AL ApontamentosTeoria PDF

Topicos de
Algebra Linear
Isabel Maria Teixeira de Matos
Seccao de Matematica
Departamento de Engenharia de Electronica
e Telecomunicacoes e de Computadores (DEETC-ISEL)
1 de Dezembro de 2007
Conte udo
1 MATRIZES 1
1.1 Conceitos Gerais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2

Algebra das Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Operacoes elementares. Caracterstica de uma matriz . . . . . . . . . . . 10
1.4 Sistemas de Equacoes Lineares . . . . . . . . . . . . . . . . . . . . . . . . 12
1.5 Inversa de uma Matriz Quadrada . . . . . . . . . . . . . . . . . . . . . . 17
2 DETERMINANTES 21
2.1 Conceitos Gerais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2 Denicao de Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3 Propriedades dos Determinantes . . . . . . . . . . . . . . . . . . . . . . . 22
2.4 O Teorema de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.5 Aplicacoes dos Determinantes . . . . . . . . . . . . . . . . . . . . . . . . 25
2.5.1 Calculo da Inversa de uma Matriz . . . . . . . . . . . . . . . . . . 25
2.5.2 Resolucao de Sistemas Lineares Possveis e Determinados . . . . . 26
3 ESPAC OS VECTORIAIS 29
3.1 Denicao e Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.2 Dependencia e Independencia Lineares . . . . . . . . . . . . . . . . . . . 31
3.2.1 Caracterstica de uma Matriz . . . . . . . . . . . . . . . . . . . . 35
3.3 Subespacos vectoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.3.1 Subespaco gerado . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.4 Base e dimensao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.5 Matriz de Mudanca de Base . . . . . . . . . . . . . . . . . . . . . . . . . 45
4 APLICAC

OES LINEARES 49
4.1 N ucleo e Imagem. Classicacao de um Morsmo . . . . . . . . . . . . . . 52
ii
4.2 Soma, Multiplicacao por Escalar, Composta e Inversa de Aplicacoes Lineares 58
4.3 Matriz de uma Aplicacao Linear . . . . . . . . . . . . . . . . . . . . . . . 60
4.3.1 Relacao entre as diferentes Matrizes de uma Aplicacao Linear . . 66
5 VECTORES e VALORES PR
OPRIOS 71
5.1 Denicao e Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.2 Subespacos Proprios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
5.3 Endomorsmos Diagonalizaveis . . . . . . . . . . . . . . . . . . . . . . . 80
iii
Captulo 1
MATRIZES
1.1 Conceitos Gerais
Denicao 1 Seja F um conjunto nao vazio onde estao denidas duas operacoes
binarias
1
: uma adicao e uma multiplicacao, denotadas por + e , respectivamente.
Diz-se que (F, +, ) e um corpo se:
(A1) A adicao e comutativa: x, y F x + y = y + x;
(A2) A adicao e associativa: x, y, z F (x + y) + z = x + (y + z);
(A3) A adicao tem elemento neutro 0: 0 F x F x + 0 = 0 + x = x;
(A4) Todo o elemento x de F tem simetrico (x) em F:
x F (x) F x + (x) = (x) + x = 0.
(M1) A multiplicacao e comutativa: x, y F x y = y x;
(M2) A multiplicacao e associativa: x, y, z F (x y) z = x (y z);
(M3) A multiplicacao tem elemento neutro 1: 1 F x F x 1 = 1 x = x;
(M4) Todo o elemento x de F \ {0} tem inverso x
1
em F \ {0}:
x F \ {0} x
1
F \ {0} x x
1
= x
1
x = 1.
(D) A multiplicacao e distributiva em relacao à adicao:
x, y, z F x (y + z) = x y + x z.
Observacoes
1 Identica-se o corpo (F, +, ) com o conjunto suporte F, sabendo que estao
sempre implcitas as duas operacoes nele denidas.
2 A adicao e a multiplicacao usuais de n umeros reais vericam as propriedades
referidas na Denicao 1, pelo que, R e um corpo o corpo dos n umeros reais.
1
Uma operacao binaria em F e uma aplicacao que faz corresponder a cada par ordenado de elementos
de F um (e um so) elemento deste conjunto.
1
3 A adicao e a multiplicacao usuais de n umeros complexos satisfazem as pro-
priedades referidas na Denicao 1, por isso, C e um corpo o corpo dos n umeros
complexos.
4 F = {0, 1} com as operacoes
+ 0 1
0 0 1
1 1 0
e
0 1
0 0 0
1 0 1
e um corpo o menor
dos corpos nitos. Designa-se por Z
2
e e o corpo dos inteiros modulo 2.
5 Neste captulo, bem como em todos os que se seguem, trabalhar-se-a nos corpos
R e C (com as operacoes usuais). No entanto, toda a teoria apresentada desenvolve-se
da mesma maneira em qualquer corpo.
Denicao 2 Sejam m e n dois n umeros naturais. Uma matriz do tipo mn
(com elementos num corpo) e um quadro de mn n umeros (desse corpo) distribuidos em
m linhas e n colunas.
A cada um dos n umeros que forma a matriz da-se o nome de entrada.
Para referenciar (e localizar) uma entrada utilizam-se dois ndices, por esta ordem:
o ndice de linha e o ndice de coluna.
Uma matriz real (resp.: complexa) e uma matriz cujas entradas sao n umeros reais
(resp.: complexos).
Exemplo
A =
_
1 0 1 2
_
e uma matriz do tipo 14 (matriz linha). A sua entrada (1, 3)
e (1).
Mais geralmente, qualquer matriz do tipo 1 n diz-se uma matriz linha.
B =
_
_
3
2
1
_
_
e uma matriz do tipo 3 1 (matriz coluna). A sua entrada (2, 1) e 2.
A qualquer matriz do tipo m1 chama-se matriz coluna.
C =
_
1 2 3
4 5 6
_
e uma matriz do tipo 2 3 e e uma matriz rectangular (2 = 3).
Em geral, qualquer matriz do tipo m n, com m = n, diz-se uma matriz rectan-
gular.
D =
_
1 1
0 4
_
e uma matriz do tipo 2 2. Tambem se diz uma matriz quadrada
de ordem 2.
Mais geralmente, qualquer matriz do tipo n n denomina-se matriz quadrada de
ordem n.
2
Notacao
Se A e uma matriz do tipo mn escreve-se,
A =
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_
_
ou, abreviadamente, A = [a
ij
]
mn
, onde i {1, , m} e o ndice de linha e
j {1, , n} e o ndice de coluna.
O conjunto das matrizes do tipo mn com elementos em R (resp.: C) denota-se por
R
mn
(resp.: C
mn
), R
m,n
(resp.: C
m,n
) ou ainda por M
mn
(R) (resp.: M
mn
(C)).
Denicao 3 Uma submatriz de uma matriz A, do tipo m n, e uma matriz do
tipo p q, com 1 p m, 1 q n, obtida por supressao de alguma(s) linha(s) e/ou
alguma(s) coluna(s)de A.
Notacao
Se i
1
< i
2
< . . . < i
p
sao elementos distintos de {1, 2, . . . , m} e j
1
< j
2
< . . . < j
q
sao elementos distintos de {1, 2, . . . , n} A[i
1
, . . . , i
p
|j
1
, . . . , j
q
] representa a submatriz de
A formada pelos elementos que pertencem à interseccao das linhas i
1
, i
2
, . . . , i
p
e das
colunas j
1
, j
2
, . . . , j
q
de A; A(i
1
, . . . , i
p
|j
1
, . . . , j
q
) representa a submatriz de A que se
obtem eliminando as linhas i
1
, i
2
, . . . , i
p
e as colunas j
1
, j
2
, . . . , j
q
de A.
Exemplo
Seja A =
_
_
1 2 3 4
5 6 7 8
9 10 11 12
_
_
.
Entao A[1, 3|1, 2, 4] =
_
1 2 4
9 10 12
_
= A(2|3) e A[2|1, 3] =
_
5 7
_
= A(1, 3|2, 4).
Denicao 4 Seja A = [a
ij
]
nn
uma matriz quadrada de ordem n.
Os elementos diagonais (ou principais) de A sao os n elementos que temndices
de linha e coluna iguais, ou seja, a
11
, a
22
, . . . , a
nn
. Ao seu conjunto da-se o nome de
diagonal principal de A. A sua soma constitui o traco de A, que se denota por
tr(A) (tr(A) = a
11
+ a
22
+ + a
nn
).
A matriz diz-se:
Triangular superior se i > j a
ij
= 0 (sao nulas todas as entradas abaixoda
3
diagonal principal);
Triangular inferior se i < j a
ij
= 0 (sao nulas todas as entradas acimada
diagonal principal);
Triangular se for triangular superior ou triangular inferior;
Diagonal se i = j a
ij
= 0 (sao nulas todas as entradas nao diagonais);
Escalar se i = j a
ij
= 0 (e Diagonal) e c F i a
ii
= c (c constante);
Identidade se i = j a
ij
= 0 e i a
ii
= 1 (e Escalar com elemento diagonal igual a
1). Denota-se por I
n
e e tambem chamada Identidade de ordem n. Frequentemente,
escreve-se I
n
= [
ij
]
nn
, onde
ij
= 1 se i = j e
ij
= 0 se i = j (
ij
e o chamado
smbolo de Kronecker).
Nula se ij a
ij
= 0 (e Escalar com elemento diagonal igual a 0). Denota-se por
0
n
e e tambem chamada matriz nula de ordem n. Observe-se que uma matriz do
tipo m n com todas as entradas iguais a zero tambem se designa por matriz nula,
denotando-se por 0
mn
.
Exemplo
A =
_
_
1 1 2
0 0 1
0 0 3
_
_
e triangular superior.
B =
_
_
1 0 0 0
1 2 0 0
2 0 1 0
3 2 1 1
_
_
e triangular inferior.
C =
_
_
1 0 0 0
0 2 0 0
0 0 3 0
0 0 0 4
_
_
e diagonal.
D =
_
_
5 0 0
0 5 0
0 0 5
_
_
e escalar.
ij
] uma matriz do tipo mn. A matriz transposta de A,
A
t
, e a matriz do tipo n m cuja entrada (j, i) e a
ij
.
Exemplo
A =
_
1
1
_
A
t
=
_
1 1
_
.
4
B =
_
2 2 2 2
_
B
t
=
_
_
2
2
2
2
_
_
.
C =
_
_
1 2 3 4
5 6 7 8
9 10 11 12
_
_
C
t
=
_
_
1 5 9
2 6 10
3 7 11
4 8 12
_
_
.
D =
_
_
1 2 3
2 3 4
3 4 5
_
_
D
t
=
_
_
1 2 3
2 3 4
3 4 5
_
_
.
E =
_
0 1
1 0
_
E
t
=
_
0 1
1 0
_
.
Propriedade
Resulta facilmente da denicao que, para qualquer matriz A, (A
t
)
t
= A.
1.2

Algebra das Matrizes
Igualdade
Sejam A = [a
ij
], B = [b
ij
] matrizes do mesmo tipo.
A = B se e so se i, j a
ij
= b
ij
.
Adicao
Sejam A = [a
ij
], B = [b
ij
] matrizes do tipo mn.
A matriz soma A + B e uma matriz do tipo mn, A + B = [c
ij
], onde
i, j c
ij
= a
ij
+ b
ij
.
Propriedades
Sejam A, B, C matrizes do tipo mn. Entao:
(A1) A + B = B + A;
(A2) (A + B) + C = A + (B + C);
(A3) Sendo 0
mn
a matriz nula (matriz com todas as entradas nulas) do tipo mn,
A + 0 = 0 + A = A;
(A4) Se A e a matriz do tipo mn cujas entradas sao simetricas das entradas de
A, A = [a
ij
], A + (A) = (A) + A = 0
mn
;
5
(At) (A + B)
t
= A
t
+ B
t
.
Denicao de Subtraccao A B = A + (B) = [s
ij
], onde
i, j s
ij
= a
ij
b
ij
.
Multiplicacao de uma matriz por um escalar
Sejam A uma matriz real (complexa) do tipo mn, A = [a
ij
] e R (C). O produto
escalar de A por , A, e uma matriz do tipo mn, A = [d
ij
], onde i, j d
ij
= a
ij
.
Propriedades
Sejam A, B matrizes do tipo mn com entradas em R (C) e , R (C). Entao:
(Pe1) (A + B) = A + B;
(Pe2) ( + )A = A + A;
(Pe3) ()A = (A);
(Pe4) 1A = A;
(Pet) (A)
t
= A
t
.
Observacao
Se E e uma matriz escalar de ordem n com elemento diagonal a, entao E = aI
n
.
Uma expressao do tipo
i

i
A
i
chama-se (como veremos no Captulo 3) uma com-
binacao linear das matrizes A
i
.
Exemplo
Sejam A =
_
_
1 2
1 0
3 4
_
_
e B =
_
_
1 5
7 1
3 8
_
_
. Calculemos 3A 2B.
3A =
_
_
3 6
3 0
9 12
_
_
, 2B =
_
_
2 10
14 2
6 16
_
_
e
3A 2B = 3A + (2B) =
_
_
5 4
17 2
15 28
_
_
.
Multiplicacao de matrizes
Sejam A uma matriz do tipo m n, A = [a
ij
] e B uma matriz do tipo n p,
B = [b
jk
]. O produto de A por B, AB, e a matriz do tipo m p, AB = [p
ik
] onde,
i, k p
ik
= a
i1
b
1k
+ a
i2
b
2k
+ + a
in
b
nk
.
Observacoes
1 O produto de duas matrizes so e possvel se o n umero de colunas do primeiro factor
6
for igual ao n umero de linhas do segundo factor.
2 A matriz produto tem o n umero de linhas do primeiro factor e o n umero de colunas
do segundo factor.
3 Cada entrada da matriz produto e soma de multiplicacoes de todos os elementos
de uma linha do primeiro factor pelos elementos convenientes (correspondentes) de toda
uma coluna do segundo factor.
Propriedades
Sejam A, B, C matrizes reais (complexas) compatveis para a multiplicacao (isto e,
tais que (AB)C existe) e um n umero real (complexo). Entao:
(P1) (AB)C = A(BC);
(P2) (AB) = (A)B = A(B);
(P3) A
mn
I
n
= I
m
A
mn
= A. Em particular, se A e uma matriz quadrada de ordem
n, AI
n
= I
n
A = A;
(Pt) (AB)
t
= B
t
A
t
.
Sejam B e C matrizes do mesmo tipo e A uma matriz tal que os produtos que se
seguem sao possveis. Entao:
(PDe) A(B + C) = AB + AC;
(PDd) (B + C)A = BA + CA.
Exemplo
a) Sejam A =
_
_
1 2
1 0
3 4
_
_
e B =
_
1 5 2
0 1 1
_
. Calculemos AB e BA.
AB =
_
_
1 2
1 0
3 4
_
_
_
1 5 2
0 1 1
_
=
=
_
_
1 (1) + 2 0 1 5 + 2 (1) 1 2 + 2 1
(1) (1) + 0 0 (1) 5 + 0 (1) (1) 2 + 0 1
(3) (1) + 4 0 (3) 5 + 4 (1) (3) 2 + 4 1
_
_
=
_
_
1 3 4
1 5 2
3 19 2
_
_
e BA =
_
1 5 2
0 1 1
_
_
_
1 2
1 0
3 4
_
_
=
=
_
(1) 1 + 5 (1) + 2 (3) (1) 2 + 5 0 + 2 4
0 1 + (1) (1) + 1 (3) 0 2 + (1) 0 + 1 4
_
=
_
12 6
2 4
_
.
7
b) Sejam A =
_
1 0
1 0
_
e B =
_
0 0
1 1
_
AB =
_
1 0
1 0
__
0 0
1 1
_
=
_
0 0
0 0
_
e BA =
_
0 0
1 1
__
1 0
1 0
_
=
_
0 0
2 0
_
.
c) Sejam A =
_
1 0
1 0
_
e B =
_
1 0
1 2
_
AB =
_
1 0
1 0
__
1 0
1 2
_
=
_
1 0
1 0
_
e BA =
_
1 0
1 2
__
1 0
1 0
_
=
_
1 0
1 0
_
.
Observacoes
1 Do exemplo anterior conclui-se que o produto de matrizes nao e comutativo, isto e,
em geral, AB = BA.
Se A e B sao matrizes quadradas de ordem n tais que AB = BA diz-se que A e B
sao permutaveis.

E o caso das matrizes em c).
2 Tambem do exemplo anterior pode concluir-se que, na multiplicacao de matrizes,
nao e valida a lei do anulamento do produto. Com efeito, em b), as matrizes A e B
consideradas sao ambas nao nulas mas AB e a matriz nula.
Denicao 6 Seja A uma matriz quadrada de ordem n. As potencias de expoente
inteiro nao negativo de A denem-se da seguinte forma:
_
A
0
= I
n
A
m+1
= A
m
A, m 0
.
ij
] uma matriz quadrada. Diz-se que A e:
simetrica se A
t
= A, ou seja, se i, j a
ji
= a
ij
;
anti-simetrica (ou hemi-simetrica) se A
t
ji
= a
ij
.
8
Observacoes
Resulta imediatamente da denicao que:
uma matriz simetrica tem elementos diagonais arbitrarios e elementos opostos em
relacao à diagonal principal (correspondem às entradas (i, j) e (j, i) da matriz) iguais;
uma matriz real ou complexa anti-simetrica tem elementos diagonais nulos
2
e
elementos opostos em relacao à diagonal principal simetricos.
Exemplo
A matriz A =
_
_
1 2 3
2 0 4
3 4 1
_
_
e simetrica e B =
_
_
0 2 3
2 0 4
3 4 0
_
_
e anti-simetrica
como facilmente se comprova calculando as transpostas respectivas.
ij
] uma matriz complexa do tipo mn.
A matriz conjugada de A, A, e a matriz complexa do tipo mn cujos elementos
sao os complexos conjugados dos elementos de A : A = [a
ij
];
a matriz transconjugada de A, A
, e a transposta da matriz conjugada de A (ou,

o que e o mesmo, a conjugada da transposta de A): A
= (A)
t
= A
t
.
ij
] uma matriz complexa quadrada. Diz-se que A e:
hermtica (hermitiana) se A
ji
= a
ij
;
hemi-hermtica (hemi-hermitiana, anti-hermtica) se A
= A, ou seja,
se i, j a
ji
= a
ij
.
Observacoes
Resulta da denicao que:
uma matriz hermtica tem elementos diagonais reais e elementos opostos em relacao
à diagonal conjugados;
uma matriz hemi-hermtica tem elementos diagonais nulos e/ou imaginarios puros e
elementos opostos em relacao à diagonal principal com mesma parte imaginaria e partes
reais simetricas.
Exemplo
2
Isto nao e valido em todos os corpos. Por exemplo, no corpo Z
2
da observacao 4 da pagina 2, tem-se
1 + 1 = 0, donde 1 = 1 e 1 = 0
9
A matriz A =
_
_
1 2 + i 3i
2 i 0 4
3i 4 1
_
_
e hermtica e B =
_
_
i 2 + i 3i
2 + i 2i 4
3i 4 0
_
_
e
hemi-hermtica como facilmente se comprova calculando as transconjugadas respectivas.
Observacoes
A transconjugacao goza de propriedades analogas às da transposicao, excepto para a
transconjugacao de uma multiplicacao por escalar. Tem-se (admitindo que as matrizes
tem tipos adequados para efectuar as operacoes indicadas e que C):
(A
= A;
(A B)
= A
;
(AB)
= B
;
(A)
= A
.
1.3 Operacoes elementares. Caracterstica de uma
matriz
Denicao 10 Sao operacoes elementares sobre as linhas (colunas) de uma
matriz:
(OE1) Trocar duas linhas (colunas);
(OE2) Multiplicar uma linha (coluna) por um escalar diferente de zero;
(OE3) Somar a uma linha (coluna) outra multiplicada por um escalar qualquer.
Exemplo
Seja A =
_
_
2 2 0 4
1 0 1 3
1 0 0 0
_
_
.
Troca das linhas 1 e 3 : A
L
1
L
3
_
_
1 0 0 0
1 0 1 3
2 2 0 4
_
_
.
Multiplicacao da linha 1 por
1
2
: A
L
1
=
1
2
L
1
_
_
1 1 0 2
1 0 1 3
1 0 0 0
_
_
.
Soma da linha 2, multiplicada por (1), à linha 3 : A
L
3
=L
3
L
2
_
_
2 2 0 4
1 0 1 3
0 0 1 3
_
_
.
10
Denicao 11 Diz-se que uma matriz tem as linhas em escada se:
(i) As linhas nulas (caso existam) ocorrem depois das linhas nao nulas;
(ii) O primeiro elemento nao nulo de cada linha (pivot) situa-se numa coluna mais
à esquerda que todos os pivots das linhas seguintes (ou seja, o ndice de coluna do pivot
de cada linha e menor que os ndices de coluna dos pivots das linhas seguintes).
Exemplo
As matrizes A =
_
_
0 1 3 0 2 4
0 0 0 5 2 1
0 0 0 0 3 1
0 0 0 0 0 0
_
_
e B =
_
_
2 1 1
0 1 2
0 0 3
_
_
tem as linhas em
escada.
Denicao 12 A caracterstica de uma matriz com as linhas em escada e igual ao
n umero de linhas nao nulas da matriz.
Proposicao 1.3.1 Seja A uma matriz qualquer. Entao A pode ser transformada
numa matriz do mesmo tipo com as linhas em escada efectuando operacoes elementares
sobre as suas linhas.
Denicao 13 Seja A uma matriz qualquer. A caracterstica de A, que se denota
por c(A) ou r(A), e igual à caracterstica da matriz com linhas em escada que se obtem
efectuando operacoes elementares sobre as linhas e/ou colunas de A.
Exemplo
A =
_
_
2 2 0 4
0 1 1 3
1 1 0 3
0 0 1 2
0 0 2 1
_
1
=
1
2
L
1
_
_
1 1 0 2
0 1 1 3
1 1 0 3
0 0 1 2
0 0 2 1
_
3
=L
3
L
1
_
1 1 0 2
0 1 1 3
0 2 0 5
0 0 1 2
0 0 2 1
_
3
=L
3
2L
2
_
_
1 1 0 2
0 1 1 3
0 0 2 11
0 0 1 2
0 0 2 1
_
_
L
5
=L
5
L
3
4
=L
4
+
1
2
L
3
11
_
1 1 0 2
0 1 1 3
0 0 2 11
0 0 0
7
2
0 0 0 12
_
4
=
2
7
L
4
_
_
1 1 0 2
0 1 1 3
0 0 2 11
0 0 0 1
0 0 0 12
_
5
=L
5
12L
4
_
1 1 0 2
0 1 1 3
0 0 2 11
0 0 0 1
0 0 0 0
_
_
, pelo que, c(A) = 4.
B =
_
_
0 0 2
1 1 1
1 1 3
_
L
1
L
2
_
_
1 1 1
0 0 2
1 1 3
_
3
=L
3
+L
1
_
_
1 1 1
0 0 2
0 0 2
_
3
=L
3
+L
2
_
1 1 1
0 0 2
0 0 0
_
_
, por isso, c(B) = 2.
Propriedades da Caracterstica de uma Matriz
Sejam A F
mn
e F \ {0}. Entao:
(C1) c(A) m e c(A) n;
(C2) c(A) = c(A);
(C3) Se B F
np
, c(AB) c(A) e c(AB) c(B);
(Ct) c(A
t
) = c(A).
1.4 Sistemas de Equacoes Lineares
Denicao 14 Um sistema de m equacoes lineares a n incognitas x
1
, . . . , x
n
e da
forma (dita canonica)
_
_
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= b
2
.
.
.
.
.
.
.
.
.
a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
= b
m
, (1.1)
onde a
ij
, b
i
R(C) i = 1, . . . , m, j = 1, . . . , n sao, respectivamente, os coecientes e
os termos independentes do sistema.
12
Denicao 15 Associadas ao sistema (1.1) estao as seguintes matrizes:
A =
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_
_
,
que e a matriz simples ou matriz dos coecientes do sistema;
X =
_
_
x
1
x
2
.
.
.
x
n
_
_
,
que e matriz coluna das incognitas;
B =
_
_
b
1
b
2
.
.
.
b
m
_
_
,
que e matriz coluna dos termos independentes;
[A|B] =
_
_
a
11
a
12
a
1n
b
1
a
21
a
22
a
2n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
b
m
_
_
,
que e a matriz ampliada ou matriz completa do sistema.
Notacao Matricial do Sistema (1.1):
AX = B. (1.2)
Denicao 16 Chama-se solucao do sistema (1.1) a uma lista de n umeros reais
(complexos) (c
1
, c
2
, . . . , c
n
) tal que, substituindo cada x
i
pelo respectivo valor c
i
(i =
1, . . . , n), as m equacoes do sistema transformam-se em proposicoes verdadeiras.
Denicao 17 O sistema (1.1) diz-se possvel se tem, pelo menos, uma solucao e
impossvel caso contrario.
Sendo possvel, (1.1) e determinado quando tem uma unica solucao e indetermi-
nado quando tem mais de uma solucao (se o corpo considerado for innito, como e o
caso do corpo dos reais e do corpo dos complexos, quando indeterminado, o sistema tem
uma innidade de solucoes).
13
Denicao 18 Dois sistemas de equacoes lineares com o mesmo n umero de incognitas
dizem-se equivalentes se tem as mesmas solucoes.
Proposicao 1.4.1 Dado o sistema (1.1), obtem-se um sistema equivalente quando
se efectuam operacoes elementares sobre as linhas da sua matriz completa
[A|B] e/ou troca de colunas na sua matriz simples A (desde que se efectue a
correspondente troca nas incognitas respectivas).
Observacao
De acordo com as Proposicoes 1.3.1 e 1.4.1, qualquer sistema de equacoes lineares e
equivalente a um sistema cuja matriz ampliada tem as linhas em escada.
Proposicao 1.4.2 O sistema (1.2) e:
impossvel sse c(A) = c([A|B]);
possvel determinado sse c(A) = c([A|B]) = n;
possvel indeterminado sse c(A) = c([A|B]) < n.
Denicao 19 Se o sistema (1.2) e possvel, o n umero inteiro nao negativo g = n c(A)
chama-se grau de indeterminacao do sistema.
Exemplo
1 Consideremos o sistema
_
_
x + y z = 2
x 2y + z = 5
x + 2y + z = 3
.
Vamos efectuar operacoes do tipo referido na Proposicao 1.4.1 na sua matriz ampliada
ate a transformarmos numa matriz com linhas em escada (fazemos a condensacao de
[A|B]).
_
_
1 1 1 2
1 2 1 5
1 2 1 3
_
_
L
3
=L
3
+L
1
2
=L
2
L
1
_
_
1 1 1 2
0 3 2 7
0 3 0 1
_
3
=L
3
+L
2
_
_
1 1 1 2
0 3 2 7
0 0 2 8
_
_
.
Como c(A) = c([A|B]) = 3 o sistema e possvel e determinado (SPD). Dado que a
matriz com linhas em escada obtida e a matriz ampliada de um sistema equivalente ao
dado, so temos que resolver agora
_
_
x + y z = 2
3y + 2z = 7
2z = 8
.
14
_
_
x + y z = 2
3y + 2z = 7
2z = 8
_
x + y = 2 + 4
3y = 7 8
z = 4
_
x =
5
3
y =
1
3
z = 4
.
_
_
x + 2y + 3z = 0
x + y + z = 10
y + 2z = 0
. Entao
[A|B] =
_
_
1 2 3 0
1 1 1 10
0 1 2 0
_
2
=L
2
L
1
_
_
1 2 3 0
0 1 2 10
0 1 2 0
_
3
=L
3
+L
2
_
_
1 2 3 0
0 1 2 10
0 0 0 10
_
_
.
Como c(A) = 2 = 3 = c([A|B]) o sistema e impossvel (SI).
_
_
x + 2y + z + w = 4
2x + 4y z + 2w = 11
x + y + 2z + 3w = 11
. Entao
[A|B] =
_
_
1 2 1 1 4
2 4 1 2 11
1 1 2 3 11
_
_
L
3
=L
3
L
1
2
=L
2
2L
1
_
_
1 2 1 1 4
0 0 3 0 3
0 1 1 2 7
_
_

L
2
L
3
_
1 2 1 1 4
0 1 1 2 7
0 0 3 0 3
_
_
.
Como c(A) = c([A|B]) = 3 < 4 o sistema e possvel e indeterminado (SPI) de grau 1.
_
_
x + 2y + z + w = 4
y + z + 2w = 7
3z = 3
_
x + 2y + w = 5
y + 2w = 8
z = 1
_
x = 21 5w
y = 8 + 2w
z = 1
w = w
, w R.
_
_
x + y + z = 1
x y + 2z = a
2x + bz = 2
. Vamos discuti-lo em funcao dos
parametros reais a e b.
[A|B] =
_
_
1 1 1 1
1 1 2 a
2 0 b 2
_
_
L
3
=L
3
2L
1
2
=L
2
L
1
_
_
1 1 1 1
0 2 1 a 1
0 2 b 2 0
_
_

L
3
=L
3
L
2
_
1 1 1 1
0 2 1 a 1
0 0 b 3 1 a
_
_
.
15
Discussao:
Se b = 3, c(A) = c([A|B]) = 3, a R, logo, SPD;
b = 3 e a = 1, c(A) = c([A|B]) = 2 < 3, donde, SPI (de grau 1);
b = 3 e a = 1, c(A) = 2 = 3 = c([A|B]). Por isso, SI.
Denicao 20 Um sistema de equacoes lineares diz-se homogeneo se sao nulos
todos os seus termos independentes, isto e, se quando escrito matricialmente e da
forma AX = 0.
A todo o sistema de equacoes lineares AX = B esta associado o sistema homogeneo
AX = 0.
Exemplo
O sistema homogeneo associado a
_
_
x + 2y + z + w = 4
2x + 4y z + 2w = 11
x + y + 2z + 3w = 11
e
_
_
x + 2y + z + w = 0
2x + 4y z + 2w = 0
x + y + 2z + 3w = 0
.
Observacao
Um sistema homogeneo e sempre possvel pois admite sempre a solucao nula. Se e
determinado (basta que a caracterstica da matriz simples coincida com o n umero n de
incognitas) essa e a sua unica solucao. Se e indeterminado (a caracterstica da matriz
simples e menor que o n umero de incognitas), para alem da solu cao nula (que existe
sempre), admite solucoes nao nulas (recorde-se que o produto de duas matrizes nao
nulas pode ser nulo).
Proposicao 1.4.3 Seja X
p
uma solucao particular do sistema de equacoes lineares
AX = B. Entao, X
0
e solucao do sistema se e so se existe uma solucao X
h
do sistema
homogeneo associado, AX = 0, tal que X
0
= X
p
+ X
h
.
Demonstracao
Por hipotese, AX
p
= B (uma vez que X
p
e uma solucao particular de AX = B)
() Supondo que X
0
e (tambem) solucao de AX = B, isto e, que AX
0
= B, provamos
que X
0
X
p
e solucao do sistema homogeneo associado. Tem-se,
A(X
0
X
p
) = AX
0
AX
p
= B B = 0,
16
logo, X
h
= X
0
X
p
e solucao de AX = 0.
() Suponhamos que X
h
e uma solucao do sistema homogeneo associado ao dado,
AX = 0. Mostramos que X
0
= X
p
+ X
h
e solucao de AX = B. Temos,
AX
0
= A(X
p
+ X
h
) = AX
p
+ AX
h
= B + 0 = B,
como queriamos.
Observacao
Resulta da proposicao anterior que, a solucao geral de um sistema de equacoes linea-
res pode ser obtida somando a uma sua solucao particular a solucao geral do sistema
homogeneo associado.
1.5 Inversa de uma Matriz Quadrada
Denicao 21 Seja A uma matriz quadrada de ordem n. Diz-se que A e invertvel
(ou que A tem inversa) se existe uma matriz quadrada de ordem n, B, tal que
AB = BA = I
n
.
Proposicao 1.5.1 A inversa de uma matriz quadrada A, quando existe, e unica.
Demonstracao Suponhamos que B e C sao inversas de A, ou seja, que
AB = BA = I
n
e AC = CA = I
n
.
Tem-se B = BI
n
= B(AC) = (BA)C = I
n
C = C , logo, B = C.
Denicao 22 Se A e invertvel, a matriz B referida na Denicao 3.1 chama-se
inversa de A e representa-se por A
1
. Assim, AA
1
= A
1
A = I
n
.
Denicao 23 Seja A uma matriz quadrada de ordem n. Diz-se que A e nao sin-
gular (regular) se c(A) = n.
Proposicao 1.5.2 Se A e uma matriz quadrada de ordem n entao A e invertvel se
e so se e regular.
Observacao
Dada uma matriz A, quadrada de ordem n, tal que c(A) = n (logo, invertvel), a
inversa de A e a solucao da equacao matricial AX = I
n
. Podemos, por isso, calcular
17
facilmente A
1
. Basta considerar a matriz [A|I
n
] e efectuar operacoes elementares (so)
sobre linhas ate a transformar na matriz [I
n
|A
1
].
Exemplo
1 Consideremos a matriz A =
_
_
3 1 0
2 1 1
0 1 1
_
_
, de caracterstica 3. Calculamos A
1
pelo metodo descrito (condensacao, operando so sobre linhas).
[A|I
3
] =
_
_
3 1 0 1 0 0
2 1 1 0 1 0
0 1 1 0 0 1
_
_

L
1
=L
1
L
2
_
_
1 0 1 1 1 0
2 1 1 0 1 0
0 1 1 0 0 1
_
_

L
2
=L
2
2L
1
_
1 0 1 1 1 0
0 1 3 2 3 0
0 1 1 0 0 1
_
_

L
3
=L
3
L
2
_
_
1 0 1 1 1 0
0 1 3 2 3 0
0 0 2 2 3 1
_
_

L
3
=
1
2
L
3
_
1 0 1 1 1 0
0 1 3 2 3 0
0 0 1 1
3
2

1
2
_
_
L
1
=L
1
+L
3
2
=L
2
3L
3
_
_
1 0 0 0
1
2

1
2
0 1 0 1
3
2
3
2
0 0 1 1
3
2

1
2
_
_
.
A
1
=
_
_
0
1
2

1
2
1
3
2
3
2
1
3
2

1
2
_
_
.
(O resultado obtido pode ser conrmado usando a denicao de inversa. Basta vericar
que AA
1
= I
n
.)
2 Se B =
_
_
3 0 0 0
0 1 0 0
0 0 2 0
0 0 0 4
_
_
, e muito facil concluir que B
1
=
_
_
1
3
0 0 0
0 1 0 0
0 0
1
2
0
0 0 0
1
4
_
_
.
Propriedades
Se A e B sao matrizes reais (complexas) quadradas de ordem n, invertveis e
R \ {0}(C \ {0}) entao:
(I1) A
1
e invertvel e (A
1
)
1
= A;
(I2) A e invertvel e (A)
1
=
1
A
1
;
(I3) m N, A
m
e invertvel e (A
m
)
1
= (A
1
)
m
;
(I4) A
t
e invertvel e (A
t
)
1
= (A
1
)
t
;
(I5) (A)
1
= A
1
;
(I6) (A
)
1
= (A
1
)
;
18
(I7) AB e invertvel e (AB)
1
= B
1
A
1
.
Justicacao
(I1) Da igualdade A
1
A = AA
1
= I
n
, da denicao e da unicidade da inversa resulta
que A
1
e a matriz inversa de A e A e a matriz inversa de A
1
.
(I2) (A)(
1
A
1
) = (
1
)(AA
1
) = I
n
e (
1
A
1
)(A) = (
1
)(A
1
A) = I
n
.
(I3) A prova rigorosa faz-se por inducao em m.
(I4) A
t
(A
1
)
t
= (A
1
A)
t
= I
t
n
= I
n
e (A
1
)
t
A
t
= (AA
1
)
t
= I
t
n
= I
n
.
(I5) A A
1
= AA
1
= I
n
= I
n
e A
1
A = A
1
A = I
n
= I
n
.
(I6) A
(A
1
)
= (A
1
A)
= I
n
= I
n
e (A
1
)
= (AA
1
)
= I
n
= I
n
.
(I7) (AB)(B
1
A
1
) = A(BB
1
)A
1
= AI
n
A
1
= AA
1
= I
n
e
(B
1
A
1
)(AB) = B
1
(A
1
A)B = B
1
I
n
B = B
1
B = I
n
.
19
Captulo 2
DETERMINANTES
2.1 Conceitos Gerais
Denicao 24 Dados os n umeros naturais 1, 2, . . . , n, uma sua permutacao e uma
lista desses n n umeros apresentados por uma qualquer ordem.
Por exemplo, n, n 1, n 2, . . . , 3, 2, 1 e uma permutacao dos n umeros 1, 2, . . . , n.
Notacao
O conjunto de todas as permutacoes de 1, 2, . . . , n denota-se por S
n
.
Oservacao
Existem n! permutacoes de 1, 2, . . . , n.
Denicao 25 Seja i
1
, i
2
, . . . , i
n
uma permutacao dos n umeros 1, 2, . . . , n. Diz-se que
um par (i
k
, i
j
) faz uma inversao se k < j e i
k
> i
j
, ou seja, i
k
e i
j
aparecem na
permutacao por ordem decrescente.
Denicao 26 Uma permutacao i
1
, i
2
, . . . , i
n
e par (resp.: mpar) quando o n umero
total de inversoes que nela ocorrem e par (resp.: mpar).
Exemplos
1) n = 2
Permutacao Total de Inversoes Paridade
1,2 0 par
2,1 1 mpar
21
2) n = 3
Permutacao Total de Inversoes Paridade
1,2,3 0 par
2,3,1 2 par
3,1,2 2 par
3,2,1 3 mpar
2,1,3 1 mpar
1,3,2 1 mpar
2.2 Denicao de Determinante
ij
] uma matriz quadrada de ordem n com elementos
em R (C). O determinante de A, que se denota por det(A) ou |A|, e o n umero real
(complexo):
det(A) =
i
1
,...,i
n
S
n
(1)
a
1i
1
a
2i
2
a
ni
n
,
onde = 0, se i
1
, i
2
, . . . , i
n
e par e = 1, se i
1
, i
2
, . . . , i
n
e mpar.
Observe-se que o somatorio anterior tem n! parcelas.
Resulta imediatamente da denicao que:
det[a
11
] = a
11
;
det
_
a
11
a
12
a
21
a
22
_
= a
11
a
22
a
12
a
21
;
det
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
= a
11
a
22
a
33
+ a
12
a
23
a
31
+ a
13
a
21
a
32
a
13
a
22
a
31
a
12
a
21
a
33
a
11
a
23
a
32
.
2.3 Propriedades dos Determinantes
Seja A = [a
ij
] uma matriz quadrada de ordem n.
22
(P1) Se A tem uma linha (resp.: coluna) de zeros, entao det(A) = 0.
(P2) Se A tem duas linhas (resp.: colunas) iguais ou proporcionais, entao det(A) = 0.
(P3) Se trocarmos entre si duas linhas (resp.: colunas) de A, o valor do determinante
de A muda de sinal. (Operacao elementar do tipo 1)
(P4) Se A e triangular entao det(A) = a
11
a
22
a
nn
.
(P5)
a
11
a
12
a
1n
.
.
.
.
.
.
.
.
.
a
i1
a
i2
a
in
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
a
11
a
12
a
1n
.
.
.
.
.
.
.
.
.
a
i1
a
i2
a
in
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
. (Operacao elementar do
tipo 2)
(P6) det(A) =
n
det(A).
(P7) det(A) = det(A
t
).
(P8) Se A e complexa, det(A
) = det(A) = det(A).
(P9)
a
11
a
12
a
1n
.
.
.
.
.
.
.
.
.
a
i1
+ b
i1
a
i2
+ b
i2
a
in
+ b
in
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
a
11
a
12
a
1n
.
.
.
.
.
.
.
.
.
a
i1
a
i2
a
in
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
a
11
a
12
a
1n
.
.
.
.
.
.
.
.
.
b
i1
b
i2
b
in
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
.
(P10) Se a uma linha (resp.: coluna) de A somarmos um m ultiplo qualquer de outra
linha (resp.: coluna), o valor do determinante de A nao se altera. (Operacao elementar
do tipo 3)
(P11) Nao se altera o valor do determinante de A se a uma linha (resp.: coluna) de
A adicionarmos uma soma de m ultiplos quaisquer de outras linhas (resp.: colunas). (uso
repetido de (P9))
(P12) Se B e uma matriz quadrada de ordem n, det(AB) = det(A)det(B).
Em particular, n N det(A
n
) = (det(A))
n
.
(P13) A e invertvel se e so se det(A) = 0.
(P14) Se A e invertvel entao det(A
1
) =
1
det(A)
.
23
Exemplo
Sejam A e B matrizes reais quadradas de ordem 3 tais que det(A) = 2 e det(B) =
1
4
.
Entao:
det(3A) = 3
3
det(A) = 27(2) = 54;
det(AB
1
A
t
) = det(A)det(B
1
)det(A
t
) = det(A)
1
det(B)
det(A) = (2)
2
4 = 16;
det(B) = det((1)B) = (1)
3
det(B) =
1
4
;
det(B
1
A
4
B) = det(B
1
)det(A
4
)det(B) =
1
det(B)
(det(A))
4
det(B) = (2)
4
= 16;
det(
1
2
(B
t
)
1
) = (
1
2
)
3
det((B
t
)
1
) = (
1
8
)
1
det(B
t
)
= (
1
8
)
1
det(B)
= (
1
8
) 4 =
1
2
.
2.4 O Teorema de Laplace
ij
] uma matriz quadrada de ordem n. Recorde-se que
A(i|j) denota a submatriz de A que se obtem desta matriz por supressao da linha i e
da coluna j. Chama-se complemento algebrico (ou cofactor) de a
ij
ao n umero
A
ij
= (1)
i+j
det(A(i|j)).
Teorema 2.4.1 (Teorema de Laplace)
Seja A = [a
ij
] uma matriz quadrada de ordem n. Entao:
det(A) =
n
j=1
a
ij
A
ij
=
n
r=1
a
rs
A
rs
, i, s {1, 2, . . . , n}.
Exemplo
2 4 6 8
3 6 5 9
2 1 4 7
1 2 2 2
=
1
2
1 2 3 4
3 6 5 9
2 1 4 7
1 2 2 2
=
2
2
1 2 3 4
0 0 4 3
0 3 2 1
0 0 1 2
=
3
21(1)
2
0 4 3
3 2 1
0 1 2
=
4
2 (3) (1)
3
4 3
1 2
= 6((4)(2) (1)(3)) = 6 5 = 30.

1
Pela Propriedade (P5)aplicada à linha 1
2
Efectuando as operacoes elementares L
2
= L
2
3L
1
; L
3
= L
3
2L
1
; L
4
= L
4
L
1
3
Teorema de Laplace na coluna 1
4
Teorema de Laplace na coluna 1
24
2.5 Aplicacoes dos Determinantes
2.5.1 Calculo da Inversa de uma Matriz
ij
] uma matriz quadrada de ordem n. A matriz comple-
mentar de A, que se denota por

A, e a matriz quadrada de ordem n cujos elementos
sao os complementos algebricos dos elementos de A, isto e,

A = [A
ij
].
ij
] uma matriz quadrada de ordem n. A matriz adjunta
de A, que se denota por adj(A), e a transposta da matriz complementar: adj(A) =

A
t
.
Do Teorema de Laplace resulta que, para qualquer matriz quadrada A de ordem n,
Aadj(A) = adj(A) A = det(A)I
n
.
Donde, se A e invertvel (det(A) = 0),
A
1
=
1
det(A)
adj(A).
Exemplo
Seja A =
_
1 2
3 4
_
.
|A| = 1 4 2 3 = 2 = 0, pelo que, A tem inversa. Calculamos A
1
a partir da
matriz adj(A).
A
11
= (1)
2
4 = 4; A
12
= (1)
3
3 = 3; A
21
= (1)
3
2 = 2; A
22
= (1)
4
1 = 1.
A =
_
A
11
A
12
A
21
A
22
_
=
_
4 3
2 1
_
adj(A) =

A
t
=
_
4 2
3 1
_
A
1
=
1
det(A)
adj(A) =
1
2
_
4 2
3 1
_
=
_
2 1
3
2

1
2
_
.
25
2.5.2 Resolucao de Sistemas Lineares Possveis e Determinados
Regra de Cramer
Dado o sistema de n equacoes lineares a n incognitas
_
_
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= b
2
.
.
.
.
.
.
.
.
.
a
n1
x
1
+ a
n2
x
2
+ + a
nn
x
n
= b
n
,
seja A a sua matriz simples, B a matriz coluna dos termos independentes e C
i
a
matriz que se obtem de A substituindo a sua coluna n umero i por B.
Se det(A) = 0, entao
i {1, 2, , n}, x
i
=
det(C
i
)
det(A)
.
Exemplo
Consideremos o sistema
_
_
x + y z = 2
x 2y + z = 5
x + 2y + z = 3
.
A =
_
_
1 1 1
1 2 1
1 2 1
_
_
e B =
_
_
2
5
3
_
_
.
|A| =
1 1 1
1 2 1
1 2 1
1 1 1
1 2 1
0 0 2
= 2
1 1
1 2
= 2(2 1) = 6.
x =
2 1 1
5 2 1
3 2 1
|A|
=
10
6
=
5
3
; y =
1 2 1
1 5 1
1 3 1
|A|
=
2
6
=
1
3
26
z =
1 1 2
1 2 5
1 2 3
|A|
=
24
6
= 4.
27
Captulo 3
ESPAC OS VECTORIAIS
3.1 Denicao e Exemplos
Denicao 31 Um espaco vectorial (ou espaco linear) sobre um corpo F e uma
estrutura algebrica formada por um conjunto nao vazio E = {
a ,
b , . . . ,
u ,
v ,
w, . . .},
com uma operacao binaria designada por adicao, e denotada por + e, para cada elemento
F, uma aplicacao de E para E (designada por multiplicacao por escalar) que
a cada

x E faz corresponder o elemento
x E (multiplicacao de por

x ), de
tal modo que sao satisfeitas as seguintes propriedades, para quaisquer

u ,
v ,
w E e
quaisquer , F:
(A1)

u +
v =

v +
u (comutatividade da adicao)
(A2) (
u +
v ) +
w =

u + (
v +
w) (associatividade da adicao)
(A3)
0 E :

u +
0 =

u (existencia de elemento neutro)
(A4) (
u ) E :

u + (
u ) =

0 (existencia de simetricos)
(M1) ( + )
u =
u +
u (distributividade)
(M2) (
u +
v ) =
u +
v (distributividade)
(M3) (
u ) = ()
u (associatividade)
(M4) 1
u =

u
Deni cao 32 Se E e um espaco vectorial sobre F, os elementos de E designam-se
vectores e os de F escalares.
O elemento neutro da adicao em E toma o nome de vector nulo e denota-se por

0
ou

0
E
.
Quando F = R (resp.: F = C) o espaco vectorial diz-se real (resp.: complexo).
29
Exemplos
1 Sao espacos vectoriais reais:
a) E = R
2
, com as operacoes:
(x
1
, x
2
) + (y
1
, y
2
) = (x
1
+ y
1
, x
2
+ y
2
) e (x
1
, x
2
) = (x
1
, x
2
);
0
R
2 = (0, 0) e (x
1
, x
2
) = (x
1
, x
2
)
b) E = R
n
(n N), com as operacoes:
(x
1
, x
2
, . . . , x
n
) + (y
1
, y
2
, . . . , y
n
) = (x
1
+ y
1
, x
2
+ y
2
, . . . , x
n
+ y
n
) e
(x
1
, x
2
, . . . , x
n
) = (x
1
, x
2
, . . . , x
n
);
0
R
n = (0, 0, . . . , 0) e (x
1
, x
2
, . . . , x
n
) = (x
1
, x
2
, . . . , x
n
)
c) E = R
mn
(m, n N), com as operacoes de adicao de matrizes e de multiplicacao
de uma matriz por um escalar denidas no Captulo 1.
0
R
mn = 0
mn
e [a
ij
]
mn
= [a
ij
]
mn
2 Sao espacos vectoriais complexos:
a) E = C
2
, com as operacoes:
(z
1
, z
2
) + (z
1
, z
2
) = (z
1
+ z
1
, z
2
+ z
2
) e (z
1
, z
2
) = (z
1
, z
2
);
0
C
2 = (0, 0) e (z
1
, z
2
) = (z
1
, z
2
)
b) E = C
n
(n N), com as operacoes:
(z
1
, z
2
, . . . , z
n
) + (z
1
, z
2
, . . . , z
n
) = (z
1
+ z
1
, z
2
+ z
2
, . . . , z
n
+ z
n
) e
(z
1
, z
2
, . . . , z
n
) = (z
1
, z
2
, . . . , z
n
);
0
C
n = (0, 0, . . . , 0) e (z
1
, z
2
. . . , z
n
) = (z
1
, z
2
. . . , z
n
)
c) E = C
mn
(m, n N), com as operacoes de adicao de matrizes e de multiplicac ao
de uma matriz por um escalar denidas no Captulo 1.
0
C
mn = 0
mn
e [z
ij
]
mn
= [z
ij
]
mn
30
Proposicao 3.1.1 Seja E um espaco vectorial sobre F. Entao, para quaisquer vec-
tores e quaisquer escalares, tem-se:
a) 0
u =

0
b)
0 =

0
c)
u =

0 = 0 ou
u =

0
d) ()
u = (
u ) = (
u )
e) (
v ) =
v
f ) ( )
u =
u .
Demonstracao de algumas armacoes
a) 0 + 0 = 0 (0 + 0)
u = 0
u 0
u + 0
u = 0
u
(0
u + 0
u ) + (0
u ) = 0
u + (0
u ) 0
u + (0
u + (0
u )) =

0 0
u =

0
b) tem prova identica a a)
c) Suponhamos que
u =

0 . Se = 0 nada mais ha a provar. Se = 0 vamos
mostrar que

u =

0 .
u =

0
1
(
u ) =
1
0
1
(
u ) =

0 (por b))

u =

0
d) ()
u = (
u ) porque
()
u +
u = ( + )
u = 0
u =

0 (por a)).
3.2 Dependencia e Independencia Lineares
Denicao 33 Seja E um espaco vectorial sobre F.
Diz-se que um vector

v E e combinacao linear dos vectores

u
1
,
u
2
, . . . ,
u
k
E
se existem escalares
1
,
2
, . . . ,
k
F tais que
v =
1
u
1
+
2
u
2
+ . . . +
k
u
k
.
Exemplos
1) Em R
3
, o vector (2, 2, 5) e combinacao linear de (1, 1, 1), (1, 1, 0) e (1, 0, 1) se
existem n umeros reais
1
,
2
e
3
tais que
(2, 2, 5) =
1
(1, 1, 1) +
2
(1, 1, 0) +
3
(1, 0, 1),
31
ou seja, se o sistema
_
_
2 =
1
+
2
+
3
2 =
1
+
2
5 =
1
+
3
e possvel. Na forma matricial,
_
_
1 1 1 2
1 1 0 2
1 0 1 5
_
_
L
2
=L
2
L
1
3
=L
3
L
1
_
_
1 1 1 2
0 0 1 4
0 1 0 7
_
_

L
2
L
3
_
_
1 1 1 2
0 1 0 7
0 0 1 4
_
_
e um sistema possvel (e determinado), logo, (2, 2, 5) e combinacao linear de (1, 1, 1),
(1, 1, 0) e (1, 0, 1). Podemos calcular os escalares
1
,
2
,
3
resolvendo-o:
_
_
1 1 1 2
0 1 0 7
0 0 1 4
_
_

L
1
=L
1
+(L
2
+L
3
)
_
_
1 0 0 9
0 1 0 7
0 0 1 4
_
_
L
2
=L
2
3
=L
3
_
_
1 0 0 9
0 1 0 7
0 0 1 4
_
_
,
logo,
_
1
= 9
2
= 7
3
= 4
,
donde,
(2, 2, 5) = 9(1, 1, 1) + (7)(1, 1, 0) + (4)(1, 0, 1).
2) Em R
3
, o vector (2, 2, 5) nao e combinacao linear de (1, 1, 0), (0, 0, 1), ja que o
sistema cuja matriz ampliada e
_
_
1 0 2
1 0 2
0 1 5
_
_

L
2
=L
2
L
1
_
_
1 0 2
0 0 4
0 1 5
_
_
e impossvel.
Observacao
O vector nulo de E,
0 , e sempre combinacao linear de quaisquer vectores
u
1
,
u
2
, . . . ,
u
k

E. Com efeito,
0
u
1
+ 0
u
2
+ . . . + 0
u
k
=

0 .
A esta combinacao linear nula (isto e, cujo resultado e o vector nulo) da-se o nome de
combinacao linear nula trivial.
32
Denicao 34 Seja E um espaco vectorial sobre F.
Diz-se que os vectores

u
1
,
u
2
, . . . ,
u
k
E sao:
(i) linearmente independentes se
u
1
+
2
u
2
+ . . . +
k
u
k
=

0
1
=
2
= . . . =
k
= 0.
Ou seja, a unica combinacao linear nula possvel dos vectores

u
1
,
u
2
, . . . ,
u
k
e a trivial
(a que tem os escalares todos nulos).
(ii) linearmente dependentes se
1
,
2
, . . . ,
k
F nao todos nulos (isto e, com pelo menos um diferente de zero) tais
que
u
1
+
2
u
2
+ . . . +
k
u
k
=

0 .
Ou seja, para alem da combinacao linear nula trivial (que existe sempre), existem out-
ras combinacoes lineares nulas (com, pelo menos, um escalar nao nulo) dos vectores
u
1
,
u
2
, . . . ,
u
k
.
Exemplos
1) Em R
3
, vericamos se os vectores (1, 1, 1), (1, 1, 0) e (1, 0, 1) sao linearmente de-
pendentes ou independentes:
1
(1, 1, 1) +
2
(1, 1, 0) +
3
(1, 0, 1) = (0, 0, 0),
equivale a resolver o sistema homogeneo (sempre possvel),
_
1
+
2
+
3
= 0
1
+
2
= 0
1
+
3
= 0
.
Se o sistema for determinado os vectores sao linearmente independentes, se for in-
determinado os vectores serao linearmente dependentes. Na forma matricial,
_
_
1 1 1
1 1 0
1 0 1
_
_
L
2
=L
2
L
1
3
=L
3
L
1
_
_
1 1 1
0 0 1
0 1 0
_
_

L
2
L
3
_
_
1 1 1
0 1 0
0 0 1
_
_
,
donde, os vectores sao linearmente independentes (a caracterstica da matriz e igual ao
n umero de vectores, logo, de escalares a determinar).
2) Em R
4
, estudamos os vectores (1, 2, 2, 0), (1, 1, 3, 1) e (0, 2, 2, 2) quanto à de-
pendencia/independencia linear. Para tal, condensamos a matriz simples do sistema de
33
equacoes
_
1
+
2
= 0
2
1
+
2
+ 2
3
= 0
2
1
+ 3
2
2
3
= 0
2
2
3
= 0
.
_
_
1 1 0
2 1 2
2 3 2
0 1 2
_
_
L
2
=L
2
2L
1
3
=L
3
2L
1
_
_
1 1 0
0 1 2
0 1 2
0 1 2
_
_
L
4
=L
4
+L
2
3
=L
3
+L
2
_
_
1 1 0
0 1 2
0 0 0
0 0 0
_
_
,
donde, os vectores sao linearmente dependentes (a caracterstica da matriz e menor que
o n umero de vectores, logo, de escalares a determinar).
Proposicao 3.2.1 Seja E um espaco vectorial sobre F. Entao:
(i) O vector nulo,

0 , e linearmente dependente.
(ii) Se

v E,

v e linearmente independente se e so se

v =

0 .
(iii) Os vectores

v
1
,
v
2
, . . . ,
v
k
(k 2) sao linearmente dependentes se e so se
algum deles e combinacao linear dos restantes.
Em particular, 2 vectores

v
1
,
v
2
sao linearmente dependentes se e so se um deles
e combinacao linear do outro (e, consequentemente, sao linearmente independentes se e
so se nenhum deles e combinacao linear do outro).
(iv) Se os vectores
v
1
,
v
2
, . . . ,
v
n
sao linearmente independentes entao
v
1
,
v
2
, . . . ,
v
n
,
x
sao linearmente dependentes se e so se

x e combinacao linear de

v
1
,
v
2
, . . . ,
v
n
.
(v) Se os vectores do conjunto {
v
1
,
v
2
, . . . ,
v
n
} sao linearmente independentes
entao os vectores de qualquer seu subconjunto sao linearmente independentes.
(vi) Se os vectores da sequencia s = (
v
1
,
v
2
, . . . ,
v
n
) sao linearmente dependentes
entao os vectores de qualquer sequencia que contenha s sao linearmente dependentes.
(vii) Os vectores

v
1
,
v
2
, . . . ,
v
i
, . . . ,
v
n
sao linearmente independentes se e so se
= 0

v
1
,
v
2
, . . . ,
v
i
, . . . ,
v
n
sao linearmente independentes.
(viii) Os vectores

v
1
,
v
2
, . . . ,
v
i
, . . . ,
v
j
, . . . ,
v
n
sao linearmente independentes se
e so se

v
1
,
v
2
, . . . ,
v
i
, . . . ,
v
i
+

v
j
, . . . ,
v
n
Demonstracao de algumas das armacoes
(i) 1 = 0 e 1
0 =

0 , o que prova que

0 e linearmente dependente.
(ii) Seja

v E. Atendendo a (i), tudo o que ha a mostrar e que se

v =

0 ,

v e
linearmente independente.
34
Suponhamos que

v =

0 ,
v =

0 e que, com vista a um absurdo, = 0. Ent ao
1
(
v ) =
1
0 (
1
)
v =

0

v =

0 , o que contradiz a hipotese.
(iii) () Suponhamos que
v
1
,
v
2
, . . . ,
v
k
(k 2) sao linearmente dependentes. Por
denicao,
1
,
2
, . . . ,
k
F nao todos nulos tais que
v
1
+
2
v
2
+ . . . +
k
v
k
=

0 .
Sem perda de generalidade, suponhamos que
1
= 0. Entao,
v
1
=
2
v
2
. . .
k
v
k

v
1
=
2
1
1
v
2
. . .
k
1
1
v
k
,
donde,

v
1
e combinacao linear dos restantes vectores.
() Por hipotese, um dos vectores dados e combinacao linear dos restantes. Sem
perda de generalidade,

v
1
=
2
v
2
+ . . . +
k
v
k
1
v
1

2
v
2
. . .
k
v
k
=

0 ,
ou seja, os vectores sao linearmente dependentes.
(vii) ()
1
v
1
+
2
v
2
+ . . . +
i
(
v
i
) + . . . +
n
v
n
=

0
v
1
+
2
v
2
+ . . . + (
i
)
v
i
+ . . . +
n
v
n
=

0 (
v
1
, . . . ,
v
i
, . . . ,
v
n
l.i.)
1
=
2
= =
i
= =
n
= 0 ( = 0)
1
=
2
= =
i
= =
n
= 0.
()
1
v
1
+
2
v
2
+ . . . +
i
v
i
+ . . . +
n
v
n
=

0
v
1
+
2
v
2
+ . . . +
i
(
1
)
v
i
+ . . . +
n
v
n
=

0
v
1
+
2
v
2
+ . . . + (
i
1
)(
v
i
) + . . . +
n
v
n
=

0 (
v
1
, . . . ,
v
i
, . . . ,
v
n
l.i.)
1
=
2
= =
i
1
= =
n
= 0 (
1
= 0)
1
=
2
= =
i
= =
n
= 0.
3.2.1 Caracterstica de uma Matriz
Seja A uma matriz do tipo mn com entradas num corpo F. Cada uma das m linhas
de A identica-se com um vector de F
n
e cada uma das n colunas de A identica-se com
um vector de F
m
.
Por exemplo, dada a matriz real
_
_
1 2 3 4
2 3 4 5
3 4 5 6
_
_
, as suas linhas identicam-se com
os vectores (1, 2, 3, 4), (2, 3, 4, 5), (3, 4, 5, 6) de R
4
e as suas colunas com os vectores
(1, 2, 3), (2, 3, 4), (3, 4, 5), (4, 5, 6) de R
3
.
Todos os resultados enunciados àcerca da dependencia e independencia lineares de
vectores sao, por isso, aplicaveis às linhas e às colunas de A.
35
Atendendo à Proposicao 3.2.1, efectuar operacoes elementares sobre as linhas (resp.:
colunas) de A nao altera a dependencia/independencia linear das linhas (resp.: colunas)
da matriz.
Tendo em conta que:
(i) A pode ser transformada numa matriz com linhas em escada, U, efectuando
operacoes elementares sobre as suas linhas (como foi visto no Captulo 1),
(ii) sao linearmente independentes as linhas de A correspondentes às linhas nao nulas
de U,
(iii) sao linearmente independentes as colunas de A correspondentes às colunas com
pivots de U,
a caracterstica de A, n umero de linhas nao nulas de U, coincide com o n umero
maximo de linhas linearmente independentes de A e com o n umero maximo de colunas
linearmente independentes de A.
3.3 Subespacos vectoriais
Denicao 35 Sejam E um espaco vectorial sobre F e E
1
um subconjunto nao vazio
de E. Diz-se que E
1
e um subespa co vectorial de E, e escreve-se E
1
E, se E
1
e um
espaco vectorial sobre F com as operacoes de adicao e multiplicacao por escalar denidas
em E.
Proposicao 3.3.1 (Criterio de Subespaco) Sejam E um espaco vectorial sobre
F e E
1
um subconjunto de E. E
1
e um subespaco vectorial de E se e so se:
(i) E
1
=
(ii)
x ,
y E
1
,

x +
y E
1
(iii) F,
x E
1
,
x E
1
.
Proposicao 3.3.2 Sejam E um espaco vectorial sobre F e E
1
um subespaco vectorial
de E. Ent ao:
a)

0 E
1
b)

x E
1

x E
1
c)

x ,
y E
1

x
y E
1
.
36
Demonstracao
Como E
1
= , seja

x E
1
. Dado que F e um corpo, 0 F e 1 F, logo, pela
condicao (iii) do Criterio de Subespaco, 0
x =

0 E
1
e (1)
x =
x E
1
.
Por ultimo, se

x ,
y E
1
, por b),
y E
1
e, pela condicao (ii) do Criterio de
Subespaco,

x + (
y ) =

x
y E
1
.
Observacao
Atendendo à proposicao anterior, a condicao (i) do Criterio de Subespaco pode ser
substituida pela condicao (i):

0 E
1
.
1
um subconjunto de E.
E
1
e um subespaco vectorial de E se e so se:
(i)

0 E
1
(ii) , F,
x ,
y E
1
,
x +
y E
1
.
Exemplos
1 Se E e um espaco vectorial, E
1
= {
0 } e E
1
= E sao subespacos vectoriais de E,
designados por subespacos triviais.
2 Em R
2
, E
1
= {(0, 0)} e E
1
= R
2
sao os subespacos triviais.

E um subespaco nao
trivial qualquer recta que passe na origem. Com efeito, se
a) E
1
e uma recta nao vertical que passa na origem entao
E
1
= {(x, y) R
2
: y = mx} = {(x, mx) : x R}.
Usamos o Criterio de Subespaco, enunciado na proposicao 3.3.1, para mostrar que
E
1
e um subespaco vectorial de R
2
.
(i) Como x e livre, tomando x = 0, y = mx = m0 = 0, logo, (0, 0) E
1
;
(ii) Sejam (x
1
, mx
1
), (x
2
, mx
2
) E
1
(x
1
, mx
1
) + (x
2
, mx
2
) = (x
1
+ x
2
, mx
1
+ mx
2
) = (x
1
+ x
2
, m(x
1
+ x
2
)) E
1
;
(iii) Sejam (x, mx) E
1
e R
(x, mx) = (x, (mx)) = (x, m(x)) E
1
.
b) E
1
e a ( unica) recta vertical que passa na origem entao
E
1
= {(x, y) R
2
: x = 0} = {(0, y) : y R}.
(i) Como y e livre, tomando y = 0, conclui-se que (0, 0) E
1
;
(ii) Sejam (0, y
1
), (0, y
2
) E
1
(0, y
1
) + (0, y
2
) = (0, y
1
+ y
2
) E
1
;
37
(iii) Sejam (0, y) E
1
e R
(0, y) = (0, y) = (0, y) E
1
.
3 Em R
3
, E
1
= {(0, 0, 0)} e E
1
= R
3
sao os subespacos triviais. Os subespacos nao
triviais sao qualquer recta que passe na origem e qualquer plano que passe na origem,
isto e, qualquer subconjunto da forma
E
1
= {(x, y, z) R
3
: a
1
x + b
1
y + c
1
z = 0 a
2
x + b
2
y + c
2
z = 0} (recta que passa na
origem)
ou
E
1
= {(x, y, z) R
3
: ax + by + cz = 0} (plano que passa na origem).
Vericamos que E
1
= {(x, y, z) R
3
: ax +by +cz = 0} e um subespaco vectorial de
R
3
, quaisquer que sejam a, b, c R.
(i) (0, 0, 0) E
1
pois a0 + b0 + c0 = 0;
(ii) Sejam (x
1
, y
1
, z
1
), (x
2
, y
2
, z
2
) E
1
ax
1
+ by
1
+ cz
1
= 0 e ax
2
+ by
2
+ cz
2
= 0
(x
1
, y
1
, z
1
)+(x
2
, y
2
, z
2
) = (x
1
+x
2
, y
1
+y
2
, z
1
+z
2
) e a(x
1
+x
2
)+b(y
1
+y
2
)+c(z
1
+z
2
) =
(ax
1
+ax
2
) +(by
1
+by
2
) +(cz
1
+cz
2
) = (ax
1
+by
1
+cz
1
) +(ax
2
+by
2
+cz
2
) = 0 +0 = 0
(x
1
, y
1
, z
1
) + (x
2
, y
2
, z
2
) E
1
;
(iii) Sejam (x, y, z) E
1
e R ax + by + cz = 0
(x, y, z) = (x, y, z) e a(x) + b(y) + c(z) = (ax + by + cz) = 0 = 0, logo,
(x, y, z) E
1
.
4 Ja os subconjuntos de R
3
a) H
1
= {(x, y, z) R
3
: y = 1},
b) H
2
= {(x, y, z) R
3
: x Q},
c) H
3
= {(x, y, z) R
3
: |z| 1},
d) H
4
= {(x, y, z) R
3
: x y},
e) H
5
= {(x, y, z) R
3
: y = 0 ou z = 0},
nao sao subespacos vectoriais de R
3
.
Com efeito,
a) (0, 0, 0) / H
1
(ver Prop. 3.3.2),
b) =
2 R, (1, 0, 0) H
2
e
2(1, 0, 0) = (
2, 0, 0) / H
2
(falha condicao (iii) da
Prop.3.3.1),
c) = 7 R, (1, 1, 1) H
3
e 7(1, 1, 1) = (7, 7, 7) / H
3
(falha condicao (iii) da
Prop.3.3.1. Observe-se que tambem falha a condicao (ii)),
d) = 1 R, (2, 1, 0) H
4
e (1)(2, 1, 0) = (2, 1, 0) / H
4
(falha condicao (iii)
da Prop.3.3.1),
38
e) (0, 0, 1) H
5
, (0, 1, 0) H
5
e (0, 0, 1) + (0, 1, 0) = (0, 1, 1) / H
5
(falha condicao
(ii) da Prop.3.3.1).
1
, E
2
subespacos vecto-
riais de E. Entao:
a) E
1
E
2
e um subespaco vectorial de E;
b) E
1
+E
2
= {
f +
g :

f E
1
,
g E
2
} e um subespaco vectorial de E;
c) E
1
E
2
e um subespaco vectorial de E se e so se E
1
E
2
ou E
2
E
1
.
Demonstracao
a) (Usamos a Proposicao 3.3.3)
(i)

0 E
1
e

0 E
2
, donde,

0 E
1
E
2
;
(ii) Sejam

x ,
y E
1
E
2
e , F.
Por denicao de interseccao,

x ,
y E
1
e

x ,
y E
2
.
Logo,
x +
y E
1
e
x +
y E
2

x +
y E
1
E
2
.
b) Fica ao cuidado do leitor efectuar a prova (muito simples), usando a Prop. 3.3.1
ou a Prop. 3.3.3.
c) () Trivial, ja que, se E
1
E
2
, E
1
E
2
= E
2
e se E
2
E
1
, E
1
E
2
= E
1
.
() Suponhamos que E
1
E
2
e um subespaco vectorial de E e que (com vista a um
absurdo) E
1
E
2
e E
2
E
1
.
Entao,
e
1
E
1
tal que

e
1
/ E
2
e
e
2
E
2
tal que

e
2
/ E
1
.
Como E
1
E
1
E
2
e E
2
E
1
E
2
,

e
1
,
e
2
E
1
E
2
(E
1
E
2
E)
e
1
+
e
2
E
1
E
2
(por denicao de uniao de conjuntos)

e
1
+
e
2
E
1
ou

e
1
+
e
2
E
2
.
Se

e
1
+
e
2
E
1
, como

e
1
E
1
,
e
1
E
1
, donde, (
e
1
) + (
e
1
+
e
2
) =

e
2
E
1
,
o que contradiz a hipotese.
Se

e
1
+
e
2
E
2
conclui-se, de forma analoga, que

e
1
E
2
, ou seja, um absurdo.
3.3.1 Subespaco gerado
Proposicao 3.3.5 Sejam E um espaco vectorial sobre F e

v
1
,
v
2
, . . . ,
v
n
vectores
de E. Ent ao o conjunto G = {
1
v
1
+
2
v
2
+ . . . +
n
v
n
:
1
,
2
, . . . ,
n
F} e um
subespaco vectorial de E, designado por subespaco gerado por

v
1
,
v
2
, . . . ,
v
n
.
Demonstracao (Usamos a Prop. 3.3.3)
39
(i) Pondo
1
=
2
= . . . =
n
= 0, tem-se 0
v
1
+ 0
v
2
+ . . . + 0
v
n
=

0 G;
(ii) Sejam

x ,
y G e , F.
Entao,
1
,
2
, . . . ,
n
,
1
,
2
, . . . ,
n
F tais que

x =
1
v
1
+
2
v
2
+ . . . +
n
v
n
e
y =
1
v
1
+
2
v
2
+ . . . +
n
v
n
.
Tem-se,
x +
y = (
1
v
1
+
2
v
2
+. . . +
n
v
n
)+(
1
v
1
+
2
v
2
+. . . +
n
v
n
) =
(
1
+
1
)
v
1
+ (
2
+
2
)
v
2
+ . . . + (
n
+
n
)
v
n
G.
Notacao
O subespaco gerado por

v
1
,
v
2
, . . . ,
v
n
denota-se por <

v
1
,
v
2
, . . . ,
v
n
> ou
L(
v
1
,
v
2
, . . . ,
v
n
).
Exemplos
1 Em R
3
, determinamos o subespaco gerado por (1, 1, 1), (1, 0, 1).
(x, y, z) < (1, 1, 1), (1, 0, 1) > sse (x, y, z) =
1
(1, 1, 1) +
2
(1, 0, 1) sse
_
_
1 1 x
1 0 y
1 1 z
_
_
e a matriz ampliada de um sistema linear possvel.
_
_
1 1 x
1 0 y
1 1 z
_
_
L
2
=L
2
L
1
3
=L
3
L
1
_
_
1 1 x
0 1 y x
0 0 z x
_
_
O sistema e possvel sse z x = 0, pelo que,
< (1, 1, 1), (1, 0, 1) >= {(x, y, z) R
3
: z = x} (um plano de R
3
).
2 Em R
4
, determinamos o subespaco gerado por (1, 1, 0, 2), (0, 1, 2, 3).
(x, y, z, w) < (1, 1, 0, 2), (0, 1, 2, 3) > sse (x, y, z, w) =
1
(1, 1, 0, 2) +
2
(0, 1, 2, 3)
sse
_
_
1 0 x
1 1 y
0 2 z
2 3 w
_
_
_
_
1 0 x
1 1 y
0 2 z
2 3 w
_
_
L
2
=L
2
+L
1
4
=L
4
2L
1
_
_
1 0 x
0 1 y + x
0 2 z
0 3 w 2x
_
_
L
3
=L
3
L
2
4
=L
4
3L
2
_
_
1 0 x
0 1 y + x
0 0 z 2x 2y
0 0 (w 2x) + (3x 3y)
_
_
40
O sistema e possvel sse z 2x 2y = 0 e w 5x 3y = 0, pelo que,
< (1, 1, 0, 2), (0, 1, 2, 3) >= {(x, y, z, w) R
4
: z = 2x + 2y e w = 5x + 3y}.
3 Em R
3
, determinamos o subespaco gerado por (1, 1, 1), (1, 0, 1), (1, 2, 0).
(x, y, z) < (1, 1, 1), (1, 0, 1), (1, 2, 0) > sse (x, y, z) =
1
(1, 1, 1)+
2
(1, 0, 1)+
3
(1, 2, 0)
sse
_
_
1 1 1 x
1 0 2 y
1 1 0 z
_
_
_
_
1 1 1 x
1 0 2 y
1 1 0 z
_
_
L
2
=L
2
L
1
3
=L
3
L
1
_
_
1 1 1 x
0 1 1 y x
0 0 1 z x
_
_
O sistema e sempre possvel, quaisquer que sejam os valores reais de x, y, z. Logo,
< (1, 1, 1), (1, 0, 1), (1, 2, 0) >= R
3
.
3.4 Base e dimensao
Denicao 36 Seja E um espaco vectorial sobre F. Diz-se que os vectores
u
1
,
u
2
, . . . ,
u
p

E geram o (sao geradores do) espaco, e escreve-se E =<

u
1
,
u
2
, . . . ,
u
p
>, se
qualquer vector de E se pode escrever como combinacao linear de

u
1
,
u
2
, . . . ,
u
p
.
Denicao 37 Um espaco vectorial E diz-se nitamente gerado se existe um n umero
nito de vectores

u
1
,
u
2
, . . . ,
u
p
E tais que E =<

u
1
,
u
2
, . . . ,
u
p
>.
Exemplo
Do que vimos no exemplo anterior, R
3
e nitamente gerado, ja que
R
3
=< (1, 1, 1), (1, 0, 1), (1, 2, 0) > .
Mais geralmente, para qualquer n N,
R
n
=< (1, 0, 0, . . . , 0), (0, 1, 0, . . . , 0), . . . , (0, 0, 0, . . . , 1) >,
pelo que R
n
e nitamente gerado.
41
Denicao 38 Seja E um espaco vectorial nitamente gerado.
Diz-se o conjunto B = {
e
1
,
e
2
, . . . ,
e
n
} E e uma base de E se:
(i) B e um conjunto de vectores linearmente independentes;
(ii) B e um conjunto de geradores de E, ou seja, E =<

e
1
,
e
2
, . . . ,
e
n
>.
Proposicao 3.4.1 Todo o espaco vectorial nitamente gerado tem uma base.
Observacoes
1 O espaco nulo, E = {
0 }, e nitamente gerado, uma vez que {
0 } =<

0 >,
mas nao possui vectores linearmente independentes. Por isso, convenciona-se que a sua
base e o conjunto vazio, .
2 Se se atribuir uma certa ordem aos vectores da base B, diz-se que B e uma base
ordenada de E, e escreve-se B = (
e
1
,
e
2
, . . . ,
e
n
).
3 Qualquer subespaco vectorial de um espaco nitamente gerado e um espaco
nitamente gerado, logo, tem uma base.
Proposicao 3.4.2 Duas quaisquer bases de um mesmo espaco vectorial tem o mesmo
n umero de vectores.
Denicao 39 Chama-se dimensao de um espaco vectorial E, e denota-se por dim(E),
ao n umero de vectores de uma base qualquer de E.
Um espaco nitamente gerado diz-se de dimensao nita, enquanto que um espaco
que nao seja nitamente gerado tem dimensao innita.
Proposicao 3.4.3 Sejam E um espaco vectorial sobre F de dimensao n e B =
(
e
1
,
e
2
, . . . ,
e
n
) uma base de E. Entao, qualquer vector

x E escreve-se de forma
unica como combinacao linear dos vectores de B, ou seja, existem escalares unicos
a
1
, a
2
, . . . , a
n
F tais que

x = a
1
e
1
+ a
2
e
2
+ . . . + a
n
e
n
.
Demonstracao
Suponhamos que
x = a
1
e
1
+a
2
e
2
+. . .+a
n
e
n
e que
x = b
1
e
1
+b
2
e
2
+. . .+b
n
e
n
.
Entao, a
1
e
1
+ a
2
e
2
+ . . . + a
n
e
n
= b
1
e
1
+ b
2
e
2
+ . . . + b
n
e
n

(a
1
b
1
)
e
1
+ (a
2
b
2
)
e
2
+ . . . + (a
n
b
n
)
e
n
=

0
(os vectores de B sao linearmente independentes)
a
1
b
1
= a
2
b
2
= . . . = a
n
b
n
= 0 a
1
= b
1
, a
2
= b
2
, . . . , a
n
= b
n
.
Denicao 40 Sejam E um espaco vectorial sobre F de dimensao n,

x E e
B = (
e
1
,
e
2
, . . . ,
e
n
) uma base (ordenada) de E. Os escalares unicos a
1
, a
2
, . . . , a
n
F
42
tais que

x = a
1
e
1
+a
2
e
2
+. . . +a
n
e
n
designam-se por coordenadas de

x na base
B e escreve-se

x = (a
1
, a
2
, . . . , a
n
)
B
para o traduzir.
Exemplo
Em R
3
, ja vimos que os vectores (1, 1, 1), (1, 0, 1), (1, 2, 0) geram o espaco. E sao
linearmente independentes porque
_
_
1 1 1
1 0 2
1 1 0
_
_
L
2
=L
2
L
1
3
=L
3
L
1
_
_
1 1 1
0 1 1
0 0 1
_
_
,
tem caracterstica 3.
Por isso, B = ((1, 1, 1), (1, 0, 1), (1, 2, 0)) e uma base de R
3
.
Tem-se (1, 1, 1) = (1, 0, 0)
B
, (1, 0, 1) = (0, 1, 0)
B
, (1, 2, 0) = (0, 0, 1)
B
,
(3, 3, 2) = (1, 1, 1)
B
, (x, y, z) = (2x + y + 2z, 2x y z, x z)
B
.
Proposicao 3.4.4 Seja E um espaco vectorial de dimensao n. Entao:
(I) Quaisquer n vectores linearmente independentes de E formam uma base de E.
(II) Quaisquer n geradores de E formam uma base de E.
(III) Qualquer sistema com mais de n vectores e sempre linearmente dependente.
(IV) Se E
1
E, 0 dim(E
1
) n, tendo-se:
dim(E
1
) = 0 E
1
= {
0 } e dim(E
1
) = n E
1
= E.
Observacao
Num espaco vectorial de dimensao n, n e o n umero maximo de vectores linearmente
independentes e o n umero mnimo de geradores do espaco.
Exemplos de bases
Prova-se facilmente que:
a) B
c
= ((1, 0), (0, 1)) e uma base de R
2
a base canonica de R
2
. Logo, dim(R
2
) = 2.
Tendo em conta que (x, y) = x(1, 0) + y(0, 1), (x, y) = (x, y)
B
c
.
b) Seja n N. B
c
= ((1, 0, . . . , 0), (0, 1, . . . , 0), . . . , (0, 0, . . . , 1)) e uma base de R
n
a base can onica de R

n
. Logo, dim(R
n
) = n.
Tendo em conta que (x
1
, x
2
, . . . , x
n
) = x
1
(1, 0, . . . , 0)+x
2
(0, 1, . . . , 0)+. . .+x
n
(0, 0, . . . , 1),
(x
1
, x
2
, . . . , x
n
) = (x
1
, x
2
, . . . , x
n
)
B
c
.
c1) B
c
= ((1, 0), (0, 1)) e uma base de C
2
como espaco vectorial complexo a base
canonica de C
2
sobre C. Logo, dim(C
2
C
) = 2.
Tendo em conta que (z
1
, z
2
) = z
1
(1, 0) + z
2
(0, 1), (z
1
, z
2
) = (z
1
, z
2
)
B
c
.
43
c2) B
c
= ((1, 0), (i, 0), (0, 1), (0, i)) e uma base de C
2
como espaco vectorial real a
base canonica de C
2
sobre R. Logo, dim(C
2
R
) = 4.
1
, z
2
) = z
1
(1, 0) +z
2
(0, 1) = (a
1
+b
1
i)(1, 0) +(a
2
+b
2
i)(0, 1) =
a
1
(1, 0) + b
1
(i, 0) + a
2
(0, 1) + b
2
(0, i), (z
1
, z
2
) = (a
1
+ b
1
i, a
2
+ b
2
i) = (a
1
, b
1
, a
2
, b
2
)
B
c
.
d1) Seja n N. B
c
= ((1, 0, . . . , 0), (0, 1, . . . , 0), . . . , (0, 0, . . . , 1)) e uma base de C
n
como espaco vectorial complexo a base canonica de C
n
sobre C. Logo, dim(C
n
C
) = n.
1
, z
2
, . . . , z
n
) = z
1
(1, 0, . . . , 0)+z
2
(0, 1, . . . , 0)+. . .+z
n
(0, 0, . . . , 1),
(z
1
, z
2
, . . . , z
n
) = (z
1
, z
2
, . . . , z
n
)
B
c
.
d2) Seja n N.
B
c
= ((1, 0, . . . , 0), (i, 0, . . . , 0), (0, 1, . . . , 0), (0, i, . . . , 0), . . . , (0, 0, . . . , 1), (0, 0, . . . , i)) e uma
base de C
n
como espaco vectorial real a base canonica de C
n
sobre R. Logo,
dim(C
n
R
) = 2n.
1
, z
2
, . . . , z
n
) = z
1
(1, 0, . . . , 0)+z
2
(0, 1, . . . , 0)+. . .+z
n
(0, 0, . . . , 1) =
(a
1
+b
1
i)(1, 0, . . . , 0)+(a
2
+b
2
i)(0, 1, . . . , 0)+. . .+(a
n
+b
n
i)(0, 0, . . . , 1) = a
1
(1, 0, . . . , 0)+
b
1
(i, 0, . . . , 0) + a
2
(0, 1, . . . , 0) + b
2
(0, i, . . . , 0) + . . . + a
n
(0, 0, . . . , 1) + b
n
(0, 0, . . . , i),
(z
1
, z
2
, . . . , z
n
) = (a
1
+ b
1
i, a
2
+ b
2
i, . . . , a
n
+ b
n
i) = (a
1
, b
1
, a
2
, b
2
, . . . , a
n
, b
n
)
B
c
.
e) Sendo E
11
=
_
1 0
0 0
_
, E
12
=
_
0 1
0 0
_
, E
21
=
_
0 0
1 0
_
, E
22
=
_
0 0
0 1
_
,
B
c
= (E
11
, E
12
, E
21
, E
22
) e uma base de R
22
a base canonica de R
22
. Logo,
dim(R
22
) = 4.
Tendo em conta que
_
a b
c d
_
= a
_
1 0
0 0
_
+b
_
0 1
0 0
_
+c
_
0 0
1 0
_
+d
_
0 0
0 1
_
=
aE
11
+ bE
12
+ cE
21
+ dE
22
,
_
a b
c d
_
= (a, b, c, d)
B
c
.
f) Em R
2
, consideremos o subespaco vectorial
G = {(x, y) : y = mx} = {(x, mx) : x R}.
Como (x, mx) = x(1, m) e x e arbitrario, G =< (1, m) >.
O vector (1, m) e nao nulo, logo, linearmente independente. Por isso, B = ((1, m)) e uma
base de G e dim(G) = 1.
g) Em R
3
E
1
= {(x, y, z) : x + y + z = 0}.
x + y + z = 0 z = x y, pelo que os vectores de E
1
sao da forma
(x, y, x y) = (x, 0, x) + (0, y, y) = x(1, 0, 1) + y(0, 1, 1).
44
Logo, E
1
=< (1, 0, 1), (0, 1, 1) >. Os vectores (1, 0, 1), (0, 1, 1) sao linearmente in-
dependentes (nenhum e combinacao linear do outro). Por isso, B = ((1, 0, 1), (0, 1, 1))
e uma base de E
1
e dim(E
1
) = 2.
h) Em R
4
H = {(x, y, z, w) : x y + 2z = 0, w x z = 0}.
_
x y + 2z = 0
w x z = 0
_
y = x + 2z
w = x + z
,
pelo que os vectores de H sao da forma
(x, x + 2z, z, x + z) = (x, x, 0, x) + (0, 2z, z, z) = x(1, 1, 0, 1) + z(0, 2, 1, 1).
Logo, H =< (1, 1, 0, 1), (0, 2, 1, 1) >. Os vectores (1, 1, 0, 1), (0, 2, 1, 1) sao linearmente in-
dependentes (nenhume combinacao linear do outro). Por isso, B = ((1, 1, 0, 1), (0, 2, 1, 1))
e uma base de H e dim(H) = 2.
3.5 Matriz de Mudanca de Base
Denicao 41 Sejam E um espaco vectorial e B
1
= (
e
1
,
e
2
, . . . ,
e
n
) e
B
2
= (
u
1
,
u
2
, . . . ,
u
n
) duas bases de E. Chama-se matriz de mudanca da base B
1
para a base B
2
à matriz quadrada de ordem n
M(B
1
, B
2
) =
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . a
nn
_
_
,
onde
e
1
= a
11
u
1
+ a
21
u
2
+ . . . + a
n1
u
n
e
2
= a
12
u
1
+ a
22
u
2
+ . . . + a
n2
u
n
.
.
.
e
n
= a
1n

u
1
+ a
2n
u
2
+ . . . + a
nn
u
n
. (3.1)
45
Uma matriz de mudanca de base permite relacionar as coordenadas de um qualquer
vector de E nas duas bases envolvidas. Pondo P = M(B
1
, B
2
), podemos usar notacao
matricial para traduzir as relacoes (3.1). Tem-se
_

e
1
e
2
. . .

e
n
_
=
_

u
1
u
2
. . .

u
n
_
P. (3.2)
Se

x = x
1
e
1
+ x
2
e
2
+ . . . + x
n
e
n
= x
u
1
+ x
u
2
+ . . . + x
u
n
, entao
_

e
1
e
2
. . .

e
n
_
_
_
x
1
x
2
.
.
.
x
n
_
_
=
_

u
1
u
2
. . .

u
n
_
_
_
x
1
x
2
.
.
.
x
n
_
_
.
Pondo X =
_
_
x
1
x
2
.
.
.
x
n
_
_
e X
=
_
_
x
1
x
2
.
.
.
x
n
_
_
, vem
_

e
1
e
2
. . .

e
n
_
X =
_

u
1
u
2
. . .

u
n
_
X

(por (3.2)) (
_

u
1
u
2
. . .

u
n
_
P)X =
_

u
1
u
2
. . .

u
n
_
X

_

u
1
u
2
. . .

u
n
_
(PX) =
_

u
1
u
2
. . .

u
n
_
X
PX = X
.
Observacao
Se Q = M(B
2
, B
1
) conclui-se, analogamente, que X = QX
. Como PX = X

X = P
1
X
(as n colunas de P, correspondentes às coordenadas de cada vector da

base B
1
relativamente à base B
2
, sao linearmente independentes. Por isso, c(P) = n,
donde, P e invertvel), tem-se QX
= P
1
X
. A arbitrariedade de X
permite concluir
que Q = P
1
.
Exemplo
Em R
3
, consideremos as bases B
1
e B
2
tais que B
1
e a base canonica e
B
2
= ((1, 1, 1), (1, 1, 0), (1, 0, 0)). De
(1, 0, 0) = 0(1, 1, 1) + 0(1, 1, 0) + 1(1, 0, 0)
(0, 1, 0) = 0(1, 1, 1) + 1(1, 1, 0) + (1)(1, 0, 0)
(0, 0, 1) = 1(1, 1, 1) + (1)(1, 1, 0) + 0(1, 0, 0)
,
vem
M(B
1
, B
2
) =
_
_
0 0 1
0 1 1
1 1 0
_
_
.
46
Dado o vector (3, 2, 1) = (3, 2, 1)
B
1
, determinamos as suas coordenadas na base B
2
usando a matriz de mudanca de base:
_
_
0 0 1
0 1 1
1 1 0
_
_
_
_
3
2
1
_
_
=
_
_
1
1
1
_
_
,
pelo que, (3, 2, 1) = (1, 1, 1)
B
2
, ou seja, (3, 2, 1) = 1(1, 1, 1) + 1(1, 1, 0) + 1(1, 0, 0).
Como
(1, 1, 1) = 1(1, 0, 0) + 1(0, 1, 0) + 1(0, 0, 1)
(1, 1, 0) = 1(1, 0, 0) + 1(0, 1, 0) + 0(0, 0, 1)
(1, 0, 0) = 1(1, 0, 0) + 0(0, 1, 0) + 0(0, 0, 1)
,
temos
M(B
2
, B
1
) =
_
_
1 1 1
1 1 0
1 0 0
_
_
.
(Note-se que
_
_
1 1 1
1 1 0
1 0 0
_
_
=
_
_
0 0 1
0 1 1
1 1 0
_
_
1
, uma vez que
_
_
1 1 1
1 1 0
1 0 0
_
_
_
_
0 0 1
0 1 1
1 1 0
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
.)
Se

x = (1, 2, 3)
B
2
,
_
_
1 1 1
1 1 0
1 0 0
_
_
_
_
1
2
3
_
_
=
_
_
6
3
1
_
_
,
donde,

x = (6, 3, 1)
B
1
= (6, 3, 1).
47
Captulo 4
APLICAC

OES LINEARES
Denicao 42 Sejam E e E
espacos vectoriais sobre um mesmo corpo F. Uma

aplicacao f : E E
diz-se linear se:

i)

x ,
y E f(
x +
y ) = f(
x ) + f(
y )
ii) F,

x E f(
x ) = f(
x ).
Exemplos
1 Se E e E
sao espacos vectoriais sobre um mesmo corpo F, a aplicacao f : E E
denida por f(
x ) =

0
E
e linear (a aplicacao linear nula), uma vez que:
i) f(
x +
y ) =

0
E
=

0
E
+
0
E
= f(
x ) + f(
y )
e
ii) f(
x ) =

0
E
=
0
E
= f(
x ).
2 Se Ee um espaco vectorial sobre F, a aplicacao f : E E denida por f(
x ) =

x
e linear (a aplicacao linear identidade, frequentemente denotada por 1
E
):
i) f(
x +
y ) =

x +
y = f(
x ) + f(
y )
ii) f(
x ) =
x = f(
x ).
3 A aplicacao f : R
3
R
2
tal que f(x, y, z) = (x + y + z, 2x y) e linear, uma
vez que:
i) f((x
1
, y
1
, z
1
) + (x
2
, y
2
, z
2
)) = f(x
1
+ x
2
, y
1
+ y
2
, z
1
+ z
2
) =
= ((x
1
+ x
2
) + (y
1
+ y
2
) + (z
1
+ z
2
), 2(x
1
+ x
2
) (y
1
+ y
2
)) =
= ((x
1
+ y
1
+ z
1
) + (x
2
+ y
2
+ z
2
), (2x
1
y
1
) + (2x
2
y
2
)) =
= (x
1
+ y
1
+ z
1
, 2x
1
y
1
) + (x
2
+ y
2
+ z
2
, 2x
2
y
2
) =
= f(x
1
, y
1
, z
1
) + f(x
2
, y
2
, z
2
)
ii) f((x, y, z)) = f(x, y, z) = (x + y + z, 2x y) =
= ((x + y + z), (2x y)) = (x + y + z, 2x y) = f(x, y, z).
49
4 Ja as funcoes que se seguem nao sao lineares:
a) f : R
2
R
2
denida por f(x, y) = (xy, x + y)
b) f : R
2
R
3
denida por f(x, y) = (2x + y, 1, x y)
c) f : R
31
R
2
denida por f(
_
_
a
b
c
_
_
) = (a
2
, b + c 2)
Com efeito,
a) f(2, 3) = (2 3, 2 + 3) = (6, 5), f((1)(2, 3)) = f(2, 3) = (6, 5) e
(1)f(2, 3) = (6, 5) = (6, 5) = f((1)(2, 3)). Por isso, falha a condicao ii) da
Denicao 42.
b) f(1, 1) = (2 + 1, 1, 1 1) = (3, 1, 0), f(1, 1) = (2 1, 1, 1 + 1) = (3, 1, 0),
f((1, 1) + (1, 1)) = f(0, 0) = (0, 1, 0) = (0, 2, 0) = f(1, 1) + f(1, 1). Assim, a
condicao i) da Denicao 42 nao se verica.
c) f(
_
_
1
0
2
_
_
) = (1
2
, 0 + 2 2) = (1, 0) e f(2
_
_
1
0
2
_
_
) = f(
_
_
2
0
4
_
_
) = (2
2
, 0 + 4 2) =
(4, 2) = 2f(
_
_
1
0
2
_
_
) = 2(1, 0) = (2, 0), nao se vericando a condicao ii) da Denicao 42.
Proposicao 4.0.1 Se f : E E
e uma aplicacao linear entao:

a) f(
0
E
) =

0
E
b) f(
x ) = f(
x )
c) f(
y ) = f(
x ) f(
y ).
Demonstracao
a)

0
E
+
0
E
=

0
E
f(
0
E
+

0
E
) = f(
0
E
)
(f linear) f(
0
E
)+f(
0
E
) = f(
0
E
) f(
0
E
)+f(
0
E
)f(
0
E
) = f(
0
E
)f(
0
E
)
f(
0
E
) =

0
E
b) f(
x )+f(
x ) = f(
x +(
x )) = f(
0
E
) =

0
E
(por (a)), logo, f(
x ) = f(

x )
c) f(
y ) = f(
x + (
y )) = f(
x ) + f(
y ) = f(
x ) f(
y ) (por (b)).
Proposicao 4.0.2 Se E e E
sao espacos vectoriais sobre um mesmo corpo F, uma

aplicacao f : E E
e linear se e so se
, F,

x ,
y E f(
x +
y ) = f(
x ) + f(
y ).
50
(A demonstracao ca ao cuidado do leitor)
Proposicao 4.0.3 Sejam E e E
espacos vectoriais sobre um mesmo corpo F, E

com dimensao nita, B = (
e
1
,
e
2
, . . . ,
e
n
) uma base de E e

u
1
,
u
2
, . . . ,
u
n
vectores
arbitrarios de E
. Entao existe uma e uma so aplicacao linear f : E E
tal que
i {1, 2, . . . , n} f(
e
i
) =

u
i
.
Mais ainda,
se

x = a
1
e
1
+ a
2
e
2
+ + a
n
e
n
entao f(
x ) = a
1
u
1
+ a
2
u
2
+ + a
n
u
n
.
Demonstracao
Seja f : E E
denida por
f(a
1
e
1
+ a
2
e
2
+ + a
n
e
n
) = a
1
u
1
+ a
2
u
2
+ + a
n
u
n
Provamos que
(a) f e linear
(i) f((a
1
e
1
+ a
2
e
2
+ + a
n
e
n
) + (b
1
e
1
+ b
2
e
2
+ + b
n
e
n
)) =
= f((a
1
+ b
1
)
e
1
+ (a
2
+ b
2
)
e
2
+ + (a
n
+ b
n
)
e
n
) =
= (a
1
+ b
1
)
u
1
+ (a
2
+ b
2
)
u
2
+ + (a
n
+ b
n
)
u
n
=
= (a
1
u
1
+ a
2
u
2
+ + a
n
u
n
) + (b
1
u
1
+ b
2
u
2
+ + b
n
u
n
) =
= f(a
1
e
1
+ a
2
e
2
+ + a
n
e
n
) + f(b
1
e
1
+ b
2
e
2
+ + b
n
e
n
)
(ii) f((a
1
e
1
+a
2
e
2
+ +a
n
e
n
)) = f((a
1
)
e
1
+ (a
2
)
e
2
+ + (a
n
)
e
n
) =
= (a
1
)
u
1
+ (a
2
)
u
2
+ + (a
n
)
u
n
= (a
1
u
1
+ a
2
u
2
+ + a
n
u
n
) =
= f(a
1
e
1
+ a
2
e
2
+ + a
n
e
n
)
(b) i {1, 2, . . . , n} f(
e
i
) =

u
i
f(
e
i
) = f(0
e
1
+0
e
2
+ +1
e
i
+ +0
e
n
) = 0
u
1
+0
u
2
+ +1
u
i
+ +0
u
n
=
=

u
i
(c) f e unica
Se g : E E
e uma aplicacao linear tal que

i {1, 2, . . . , n} g(
e
i
) =

u
i
,
entao, dado

x E arbitrario, tem-se:
g(
x ) =
1
g(a
1
e
1
+ a
2
e
2
+ + a
n
e
n
) = a
1
g(
e
1
) + a
2
g(
e
2
) + + a
n
g(
e
n
) =
2
= a
1
f(
e
1
) +a
2
f(
e
2
) + +a
n
f(

e
n
) = f(a
1
e
1
+a
2
e
2
+ +a
n
e
n
) = f(
x ), logo,
f = g.
1
x = a
1
e
1
+ a
2
e
2
+ + a
n
e
n
, para certos escalares a
1
, a
2
, . . . , a
n
, dado que B e uma base de E
2
g(
e
i
) =

u
i
= f(
e
i
)
51
Observacao
Traduz a Proposicao 4.0.3 que uma aplicacao linear cujo domnio e um espaco vecto-
rial de dimensao nita ca perfeitamente denida quando se conhecem as imagens dos
vectores de uma qualquer base desse mesmo domnio.
Exemplos
1 Consideremos a aplicacao linear : R
2
R
3
tal que
(1, 1) = (1, 0, 1) e (1, 0) = (0, 2, 1).
Determinamos a expressao geral de .
(x, y) = y(1, 1) + (x y)(1, 0) (x, y) = (y(1, 1) + (x y)(1, 0)) =
= y(1, 1)+(xy)(1, 0) = y(1, 0, 1)+(xy)(0, 2, 1) = (y, 0, y)+(0, 2x2y, xy) =
= (y, 2x 2y, x 2y).
2 Determinamos uma aplicacao linear g : R
3
R
3
tal que
g(1, 2, 3) = (0, 0, 0) e (1, 2, 3) g(R
3
).
E facil mostrar que os vectores (1, 2, 3), (0, 1, 0), (0, 0, 1) constituem uma base de R
3
(cf. com o Captulo 3). Entao, a aplicacao linear g : R
3
R
3
tal que
g(1, 2, 3) = (0, 0, 0), g(0, 1, 0) = (1, 2, 3)g(0, 0, 1) = (0, 0, 1),
e (x, y, z) = x(1, 2, 3) + (y 2x)(0, 1, 0) + (z 3x)(0, 0, 1)
g(x, y, z) = x(0, 0, 0)+(y2x)(1, 2, 3)+(z3x)(0, 0, 1) = (y2x, 2y4x, 9x+3y+z)
satisfaz as duas condicoes requeridas.
3 A aplicacao linear f : R
2
R
2
tal que f(1, 0) = (0, 1), f(0, 1) = (1, 0) e a
simetria do plano em relacao à recta y = x. Com efeito, (x, y) R
2
,
f(x, y) = f(x(1, 0) + y(0, 1)) = xf(1, 0) + yf(0, 1) = x(0, 1) + y(1, 0) = (y, x).
4 A aplicacao linear h : R
2
R
2
tal que h(1, 0) = (0, 1), h(0, 1) = (1, 0) e a
rotacao do plano em torno da origem, no sentido directo, de um angulo de amplitude

2
.
Com efeito, (x, y) R
2
,
h(x, y) = h(x(1, 0) + y(0, 1)) = xh(1, 0) + yh(0, 1) = x(0, 1) + y(1, 0) = (y, x).
4.1 N ucleo e Imagem. Classicacao de um Morsmo
Denicao 43 Seja f : E E
uma aplicacao linear. Chama-se:

52
a) N ucleo de f, e denota-se por Nuc(f) ou por Ker(f), ao subconjunto de E
formado por todos os vectores cuja imagem por f e o vector nulo de E
, ou seja,
Nuc(f) = {
x E : f(
x ) =

0
E
}.
b) Imagem de f, e denota-se por Im(f), ao contradomnio de f, isto e,
Im(f) = {f(
x ) :

x E} = f(E).
Proposicao 4.1.1 Nas condicoes da denicao anterior, tem-se que:
a) Nuc(f) E
b) Im(f) E
.
Demonstracao
a) (i) f(
0
E
) =

0
E

0
E
Nuc(f)
(ii) Sejam
x ,
y Nuc(f) e , F quaisquer. Por denicao, f(
x ) = f(
y ) =

0
E
.
Tem-se,
f(
x +
y ) = f(
x )+f(
y ) =

0
E
+
0
E
=

0
E
+
0
E
=

0
E

x +
y Nuc(f).
b) (i) f(
0
E
) =

0
E

0
E
Im(f)
(ii) Sejam

u ,
v Im(f) e , F quaisquer. Entao,
a ,
b E tais que
f(
a ) =

u e f(
b ) =

v . Tem-se,
u +
v = f(
a ) + f(
b ) = f(
a +
b )
u +
v Im(f).
Proposicao 4.1.2 Sejam E um espaco vectorial de dimensao nita, B = (
e
1
,
e
2
, . . . {,
e
n
)
uma base de E e f : E E
uma aplicacao linear. Entao

Im(f) =< f(
e
1
), f(
e
2
), . . . , f(
e
n
) > .
Demonstracao
Vamos mostrar que qualquer vector de Im(f) pode escrever-se como combinacao
linear dos vectores f(
e
1
), f(
e
2
), . . . , f(
e
n
).
Seja

y Im(f). Entao,
x E tal que

y = f(
x ). Como B e uma base do espaco,

a
1
, a
2
, . . . , a
n
F tais que

x = a
1
e
1
+ a
2
e
2
+ + a
n
e
n
. Donde,
y = f(
x ) = f(a
1
e
1
+ a
2
e
2
+ + a
n
e
n
) = a
1
f(
e
1
) + a
2
f(
e
2
) + + a
n
f(
e
n
)

y < f(
e
1
), f(
e
2
), . . . , f(
e
n
) > .
53
Observacao
Se E e um espaco vectorial de dimensao nita e f : E E
e uma aplicacao linear,

resulta imediatamente da proposicao 4.1.2 que Im(f) tambem tem dimensao nita. Mais
ainda, dim(Im(f)) dim(E).
Por outro lado, como Nuc(f) E, tambem Nuc(f) tem dimensao nita e
dim(Nuc(f)) dim(E).
Veremos adiante como se relacionam as dimensoes de Nuc(f), Im(f) e E.
Denicao 44 Se E e um espaco vectorial de dimensao nita e f : E E
e uma
aplicacao linear, à dimensao de Nuc(f) chama-se nulidade de f, denotando-se por n
f
e à dimensao de Im(f) chama-se caracterstica de f, e denota-se por c
f
.
Exemplos
1 Consideremos a aplicacao linear f : R
3
R
2
denida por
f(x, y, z) = (x+y+z, 2xy). Determinamos Nuc(f), Im(f) e as dimensoes respectivas.
Nuc(f) = {(x, y, z) R
3
: f(x, y, z) = (0, 0)} = {(x, y, z) R
3
: (x+y+z, 2xy) = (0, 0)}
_
x + y + z = 0
2x y = 0
_
x + 2x + z = 0
y = 2x
_
z = 3x
y = 2x
,
donde,
Nuc(f) = {(x, 2x, 3x) : x R} = {x(1, 2, 3) : x R} =< (1, 2, 3) >
(1, 2, 3) = (0, 0, 0), pelo que, o gerador de Nuc(f) e linearmente independente e, por
isso, B = ((1, 2, 3)) e uma base de Nuc(f) e n
f
= 1.
Im(f) = {f(x, y, z) : (x, y, z) R
3
} = {(x + y + z, 2x y) : x, y, z R}
(x + y + z, 2x y) = (x, 2x) + (y, y) + (z, 0) = x(1, 2) + y(1, 1) + z(1, 0)
Im(f) =< (1, 2), (1, 1), (1, 0) > Im(f) = R
2
e c
f
= 2
(porque, em R
2
, tres vectores sao sempre linearmente dependentes mas quaisquer dois
geradores dos indicados para Im(f) sao linearmente independentes).
Alternativamente, podemos usar a proposicao 4.1.2 para determinar Im(f):
atendendo a que ((1, 0, 0), (0, 1, 0), (0, 0, 1)) e uma base de R
3
, tem-se
Im(f) =< f(1, 0, 0), f(0, 1, 0), f(0, 0, 1) >=< (1, 2), (1, 1), (1, 0) >= R
2
.
2 Seja g : R
3
R
4
a aplicacao linear tal que g(x, y, z) = (xz, 0, y+2z, xy+z).
Determinamos Nuc(g), Im(g), n
g
e c
g
.
Nuc(g) = {(x, y, z) R
3
: g(x, y, z) = (0, 0, 0, 0)} =
54
= {(x, y, z) R
3
: (x z, 0, y + 2z, x y + z) = (0, 0, 0, 0)}.
_
_
x z = 0
0 = 0
y + 2z = 0
x y + z = 0
_
x = z
y = 2z
z + 2z + z = 0
_
x = 0
y = 0
z = 0
,
donde,
Nuc(g) = {(0, 0, 0)} e n
g
= 0.
Im(g) =< g(1, 0, 0), g(0, 1, 0), g(0, 0, 1) >=< (1, 0, 0, 1), (0, 0, 1, 1), (1, 0, 2, 1) >
_
_
1 0 1 x
0 0 0 y
0 1 2 z
1 1 1 w
_
L
2
L
4
_
_
1 0 1 x
1 1 1 w
0 1 2 z
0 0 0 y
_
2
=L
2
L
1
2
=L
2
L
1
_
_
1 0 1 x
0 1 2 w x
0 1 2 z
0 0 0 y
_
3
=L
3
+L
2
_
_
1 0 1 x
0 1 2 w x
0 0 4 z + w x
0 0 0 y
_
_
,
logo,
Im(g) = {(x, y, z, w) R
4
: y = 0} e, atendendo a que a caracterstica da matriz e 3 , c
g
= 3.
Alternativamente,
Im(g) = {g(x, y, z) : (x, y, z) R
3
} = {(x z, 0, y + 2z, x y + z) : x, y, z R} =
= {(x, 0, 0, x) + (0, 0, y, y) + (z, 0, 2z, z) : x, y, z R} =
= {x(1, 0, 0, 1) + y(0, 0, 1, 1) + z(1, 0, 2, 1) : x, y, z R}
Im(g) =< (1, 0, 0, 1), (0, 0, 1, 1), (1, 0, 2, 1) > .
A utilizacao do resultado que enunciaremos de seguida teria evitado alguns dos
calculos efectuados nestes dois exemplos.
Proposicao 4.1.3 (Teorema da Dimensao) Sejam E um espaco vectorial de di-
mensao nita e f : E E
uma aplicacao linear. Entao,

dim(E) = dim(Nuc(f)) + dim(Im(f))
ou, abreviadamente,
dim(E) = n
f
+ c
f
.
55
Demonstracao
Sejam B
1
= (
u
1
,
u
2
, . . . ,
u
p
) (0 p dim(E)) uma base de Nuc(f) e
B = (
u
1
,
u
2
, . . . ,
u
p
,
e
p+1
,
e
p+2
, . . . ,
e
n
) uma base de E que contem B
1
. Vamos
provar que B
2
= (f(
e
p+1
), f(
e
p+2
), . . . , f(
e
n
)) e uma base de Im(f), de onde resultara
imediatamente a tese.
Seja

y Im(f). Entao,
x E tal que

y = f(
x ).
Como B e uma base de E, a
1
, a
2
, . . . , a
p
, b
p+1
, b
p+2
, . . . , b
n
F tais que
x = a
1
u
1
+ a
2
u
2
+ + a
p
u
p
+ b
p+1
e
p+1
+ b
p+2
e
p+2
+ + b
n
e
n
.
Donde,
y = f(
x ) = f(a
1
u
1
+ a
2
u
2
+ + a
p
u
p
+ b
p+1
e
p+1
+ b
p+2
e
p+2
+ + b
n
e
n
) =
= a
1
f(
u
1
) +a
2
f(
u
2
) + +a
p
f(
u
p
) +b
p+1
f(
e
p+1
) +b
p+2
f(
e
p+2
) + +b
n
f(
e
n
) =
3
= a
1
0
E
+ a
2
0
E
+ + a
p
0
E
+ b
p+1
f(
e
p+1
) + b
p+2
f(
e
p+2
) + + b
n
f(
e
n
) =
=

0
E
+
0
E
+ +
0
E
+ b
p+1
f(
e
p+1
) + b
p+2
f(
e
p+2
) + + b
n
f(
e
n
) =
= b
p+1
f(
e
p+1
) + b
p+2
f(
e
p+2
) + + b
n
f(
e
n
)
Im(f) =< f(
e
p+1
), f(
e
p+2
), . . . , f(
e
n
) > .
Suponhamos agora que
1
f(
e
p+1
) +
2
f(
e
p+2
) + +
np
f(
e
n
) =

0
E
. Entao,
f(
1
e
p+1
+
2
e
p+2
+ +
np
e
n
) =

0
E

1
e
p+1
+
2
e
p+2
+ +
np
e
n
Nuc(f)
4

1
,
2
, . . . ,
p
F :
1
e
p+1
+
2
e
p+2
+ +
np
e
n
=
1
u
1
+
2
u
2
+ +
p
u
p

1
u
1
+
2
u
2
+ +
p
u
p
e
p+1
e
p+2

np
e
n
=

0
E

5

1
=
2
= . . . =
p
=
1
=
2
= . . . =
np
= 0,
como queramos.
Denicao 45 Uma aplicacao linear f : E E
diz-se um:
(i) monomorsmo se e injectiva;
(ii) epimorsmo se e sobrejectiva;
(iii) isomorsmo se e bijectiva;
(iv) endomorsmo se E
= E;
(v) automorsmo se e um endomorsmo bijectivo.
3
Os vectores

u
1
, . . . ,
u
p
pertencem a Nuc(f), logo, tem imagem nula
4
Os vectores

u
1
, . . . ,
u
p
geram Nuc(f)
5
Por B ser uma base de E, os vectores de B sao linearmente independentes
56
Proposicao 4.1.4 Uma aplicacao linear f : E E
e um monomorsmo se e so se
Nuc(f) = {
0
E
}.
Demonstracao
() Seja

x Nuc(f). Supondo f injectiva, mostramos que

x =

0
E
.
x Nuc(f) f(
x ) =

0
E
=
6
f(
0
E
)
7
x =

0
E
.
() Suponhamos que f(
x ) = f(
y ). Provamos que

x =

y , usando a hipotese
(Nuc(f) = {
0
E
}).
f(
x ) = f(
y ) f(
x ) f(
y ) =

0
E
f(
y ) =

0
E

y Nuc(f) = {
0
E
}

x
y =

0
E

x =

y .
Observacao
Se f : E E
e linear e E tem dimensao nita entao:

(i) f e um monomorsmo sse n
f
= 0;
(ii) f e um epimorsmo (Im(f) = E
) sse c
f
= dim(E
);
(iii) f e um isomorsmo sse n
f
= 0 e c
f
= dim(E
) = dim(E).
espacos vectoriais com a mesma dimensao (nita)

e
f : E E
uma aplicacao linear. Entao, f e um monomorsmo se e so se e um

epimorsmo.
Demonstracao
Seja n = dim(E) = dim(E
). Pelo Teorema da Dimensao (Proposicao 4.1.3),

n = n
f
+ c
f
.
f monomorsmo n
f
= 0 n = c
f
f epimorsmo.
Observacao
1 Resulta da Proposicao anterior que, para que uma aplicacao linear entre espacos
vectoriais com a mesma dimensao seja bijectiva, basta que seja injectiva ou sobrejec-
tiva.
6
Pela Proposicao 4.0.1
7
f e injectiva
57
2 So podem existir isomorsmos entre espacos vectoriais com a mesma dimensao.
Com efeito, de acordo com a Proposicao 4.1.3, se:
a) dim(E) < dim(E
), f nunca e sobrejectiva
(c
f
= dim(E) n
f
dim(E) < dim(E
));
b) dim(E) > dim(E
), f nunca e injectiva
(c
f
dim(E
) < dim(E) = c
f
+ n
f
n
f
> 0).
Proposicao 4.1.6 Seja f : E E
uma aplicacao linear. Entao f transforma

vectores linearmente independentes em vectores linearmente independentes se e so se f
e um monomorsmo.
Demonstracao
() Por hipotese, f transforma vectores linearmente independentes em vectores li-
nearmente independentes. Mostramos que Nuc(f) = {
0
E
} (ou seja, que f e injectiva).
x Nuc(f) f(
x ) =

0
E
f(
x ) linearmente dependente
(hip otese)
x linearmente dependente

x =

0
E
.
() Suponhamos que Nuc(f) = {
0
E
} e sejam

e
1
,
e
2
, . . . ,
e
p
vectores linearmente
independentes de E. Provamos que f(
e
1
), f(
e
2
), . . . , f(
e
p
) sao vectores linearmente
independentes de E
1
f(
e
1
) +
2
f(
e
2
) + +
p
f(
e
p
) =

0
E
f(
1
e
1
+
2
e
2
+ +
p
e
p
) =

0
E

e
1
+
2
e
2
+ +
p
e
p
Nuc(f) = {
0
E
}
1
e
1
+
2
e
2
+ +
p
e
p
=

0
E

(
e
1
, . . . ,
e
p
linearmente independentes)
1
=
2
= . . . =
p
= 0.
Observacao
Das Proposicoes 4.1.2 e 4.1.6 conclui-se que, se E e um espaco vectorial de dimensao
nita, B = (
e
1
,
e
2
, . . . ,
e
n
) uma base de E e f : E E
um monomorsmo, entao
B
= (f(
e
1
), f(
e
2
), . . . , f(
e
n
)) e uma base de Im(f), pelo que dim(Im(f)) = dim(E.
4.2 Soma, Multiplicacao por Escalar, Composta e
Inversa de Aplicacoes Lineares
espacos vectoriais sobre um mesmo corpo F, F,

f : E E
e g : E E
aplicacoes lineares. Entao as aplicacoes,

58
a) (f + g) : E E
denida por (f + g)(
x ) = f(
x ) + g(
x ),
x E
b) (f) : E E
denida por (f)(
x ) = f(
x ),
x E
sao lineares.
Demonstracao
a) (f + g)(
x +
y ) = f(
x +
y ) + g(
x +
y ) =
8
= (f(
x ) + f(
y )) + (g(
x ) + g(
y )) = (f(
x ) + g(
x )) + (f(
y ) + g(
y )) =
= (f + g)(
x ) + (f + g)(
y )
b) tem prova analoga a a)
Proposicao 4.2.2 Sejam E, E
e E
espacos vectoriais sobre um mesmo corpo F,

g : E E
e f : E
aplicacoes lineares. Entao (f g) : E E
denida por
(f g)(
x ) = f(g(
x )),
x E e uma aplicacao linear.

Demonstracao
(f g)(
x +
y ) = f(g(
x +
y )) =
9
f(g(
x ) + g(
y )) =
10
= f(g(
x )) + f(g(
y )) = (f g)(
x ) + (f g)(
y ).
espacos vectoriais sobre um mesmo corpo F e

f : E E
um isomorsmo. Entao f
1
: E
E ainda e um isomorsmo.
Demonstracao
A inversa de uma bijeccao e ainda uma bijeccao. Por outro lado,
f
1
(
x +
y ) =
11
f
1
(f(
a ) + f(
b )) = f
1
(f(
a +
b )) =
= (f
1
f)(
a +
b ) =
a +
b = f
1
(
x ) + f
1
(
y ).
Donde, f
1
e um isomorsmo.
Observacao
De acordo com os dois resultados anteriores, podemos armar que a composta de duas
aplicacoes lineares ainda e linear e que a inversa de um isomorsmo e um isomorsmo.
8
f e g sao lineares
9
g e linear
10
f e linear
11
f e, em particular, sobrejectiva. Por isso, existem

a ,
b E tais que

x = f(
a ),
y = f(
b )
(por f ser injectiva) f
1
(
x ) =

a , f
1
(
y ) =

b
59
4.3 Matriz de uma Aplicacao Linear
No que se segue, todos os espacos vectoriais mencionados tem dimenso nita.
Denicao 46 Sejam E e E
espacos vectoriais sobre um mesmo corpo F, de di-

mensoes n e p respectivamente, B
1
= (
e
1
,
e
2
, . . . ,
e
n
) uma base (ordenada) de E,
B
2
= (
1
,
2
, . . . ,
p
) uma base (ordenada) de E
e f : E E
uma aplicacao linear.

Entao, a matriz de f em relacao às bases B
1
e B
2
, M(f; B
1
, B
2
) , e
M(f; B
1
, B
2
) =
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
p1
a
p2
. . . a
pn
_
_
,
onde,
_
_
f(
e
1
) = a
11
1
+ a
21
2
+ + a
p1
p
f(
e
2
) = a
12
1
+ a
22
2
+ + a
p2
p
.
.
.
f(
e
n
) = a
1n
1
+ a
2n
2
+ + a
pn
p
. (4.1)
Observacoes
1 As relacoes (4.1) podem ser traduzidas matricialmente da seguinte forma:
_
f(
e
1
) f(
e
2
) . . . f(
e
n
)
_
=
_

e
2
. . .
p
_
A,
onde A = M(f; B
1
, B
2
).
2 Tendo em conta a denicao de caracterstica de uma matriz, a Proposicao 4.1.2
e a forma como se constroi a matriz de uma aplicacao linear, e facil concluir que, se f e
linear e A e a matriz de f em relacao a certas bases, dim(Im(f)) = c
f
= c(A).
Exemplos
1 Sejam f : R
2
R
3
a aplicacao linear denida por f(x, y) = (2x, x y, 3y),
B
1
= ((1, 0), (0, 1)), B
2
= ((1, 1), (1, 2)) bases de R
2
e B
1
= ((1, 0, 0), (0, 1, 0), (0, 0, 1)),
B
2
= ((1, 1, 1), (1, 1, 0), (1, 0, 0)) bases de R
3
. Escrevemos:
a) M(f; B
1
, B
1
)
f(1, 0) = (2, 1, 0) = 2(1, 0, 0) + 1(0, 1, 0) + 0(0, 0, 1)
f(0, 1) = (0, 1, 3) = 0(1, 0, 0) + (1)(0, 1, 0) + 3(0, 0, 1), logo,
M(f; B
1
, B
1
) =
_
_
2 0
1 1
0 3
_
_
.
60
b) M(f; B
2
, B
2
)
f(1, 1) = (2, 0, 3) = 3(1, 1, 1) + (3)(1, 1, 0) + 2(1, 0, 0)
f(1, 2) = (2, 3, 6) = 6(1, 1, 1) + (9)(1, 1, 0) + 1(1, 0, 0), logo,
M(f; B
2
, B
2
) =
_
_
3 6
3 9
2 1
_
_
.
2 Consideremos o endomorsmo g de R
3
tal que
g(1, 0, 0) = (1, 1, 0) , g(0, 1, 0) = (1, 1, 2) , g(0, 0, 1) = (0, 0, 1).
De acordo com a Proposicao 4.0.3, g esta perfeitamente denido e, tendo em conta os
dados, e muito facil escrever a matriz de g em relacao à base canonica de R
3
. Com efeito,
g(1, 0, 0) = (1, 1, 0) = 1(1, 0, 0) + (1)(0, 1, 0) + 0(0, 0, 1)
g(0, 1, 0) = (1, 1, 2) = (1)(1, 0, 0) + 1(0, 1, 0) + 2(0, 0, 1)
g(0, 0, 1) = (0, 0, 1) = 0(1, 0, 0) + 0(0, 1, 0) + (1)(0, 0, 1), donde,
A = M(g; ((1, 0, 0), (0, 1, 0), (0, 0, 1)), ((1, 0, 0), (0, 1, 0), (0, 0, 1))) =
_
_
1 1 0
1 1 0
0 2 1
_
_
.
Vamos agora determinar a expressao geral de g:
(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1)
g(x, y, z) = x g(1, 0, 0) + y g(0, 1, 0) + z g(0, 0, 1)
g(x, y, z) = x(1, 1, 0) + y(1, 1, 2) + z(0, 0, 1)
g(x, y, z) = (x y, x + y, 2y z), ou, matricialmente,
x
_
_
1
1
0
_
_
+y
_
_
1
1
2
_
_
+z
_
_
0
0
1
_
_
=
_
_
1 1 0
1 1 0
0 2 1
_
_
_
_
x
y
z
_
_
= A
_
_
x
y
z
_
_
=
_
_
x y
x + y
2y + z
_
_
,
que e a coluna de coordenadas de g(x, y, z) relativamente à base canonica de R
3
.
Com a expressao geral de g, e muito simples escrever a matriz de g em relacao a
qualquer ou quaisquer bases xadas no domnio e no espaco de chegada (que, no caso de
g, coincidem). Mostraremos adiante que tal pode tambem ser feito efectuando o produto
de matrizes convenientes (uma matriz qualquer de g e matrizes de mudanca de base
adequadas, multiplicadas por certa ordem).
61
Como j a vimos, uma aplicacao linear ca perfeitamente denida quando se conhece
a sua expressao geral ou as imagens dos vectores de uma base do domnio. Outra forma
de a denir e a partir da sua matriz em relacao a bases previamente xadas no domnio
e no espaco de chegada. Concretamente,

B
1
= (
e
1
,
e
2
, . . . ,
e
n
) uma base (ordenada) de E, B
2
= (
1
,
2
, . . . ,
p
) uma base
(ordenada) de E
, f : E E
uma aplicacao linear e A = M(f; B

1
, B
2
). Se X e a coluna
de coordenadas de

x E relativamente à base B
1
entao AX e a coluna de coordenadas
de f(
x ) E
relativamente à base B
2
.
Demonstracao
x =
_

e
1
e
2
. . .

e
n
_
X
f(
x ) =
_
f(
e
1
) f(
e
2
) . . . f(
e
n
)
_
X =
_

e
2
. . .
p
_
AX.
Exemplo
Seja f : R
2
R
3
a aplicacao linear cuja matriz em relacao às bases B
1
= ((1, 1), (1, 2))
de R
2
e B
2
= ((1, 1, 1), (1, 1, 0), (1, 0, 0)) de R
3
e A =
_
_
3 6
3 9
2 1
_
_
. Calculamos f(1, 0)
e f(x, y), recorrendo a A.
(1, 0) =
2
3
(1, 1) + (
1
3
)(1, 2), e
A
_
2
3
1
3
_
=
_
_
3 6
3 9
2 1
_
_
_
2
3
1
3
_
=
_
_
0
1
1
_
_
,
logo,
f(1, 0) = 0(1, 1, 1) + 1(1, 1, 0) + 1(1, 0, 0) = (2, 1, 0).
Analogamente,
(x, y) =
y+2x
3
(1, 1) +
yx
3
(1, 2), e
A
_
y+2x
3
yx
3
_
=
_
_
3 6
3 9
2 1
_
_
_
y+2x
3
yx
3
_
=
_
_
3y
x 4y
x + y
_
_
,
logo,
f(1, 0) = 3y(1, 1, 1) + (x 4y)(1, 1, 0) + (x + y)(1, 0, 0) = (2x, x y, 3y).
62
espacos vectoriais sobre um mesmo corpo F, F,

f : E E
e g : E E
aplicacoes lineares, B
1
uma base de E, B
2
uma base de E
.
Se A = M(f; B
1
, B
2
) e B = M(g; B
1
, B
2
) entao
A + B = M(f + g; B
1
, B
2
) e A = M(f; B
1
, B
2
).
Proposicao 4.3.3 Sejam E, E
e E

f : E E
e g : E
aplicacoes lineares, B
1
uma base de E, B
2
uma base de E
, B
3
uma base de E
.
Se A = M(f; B
1
, B
2
) e B = M(g; B
2
, B
3
) entao
BA = M(g f; B
1
, B
3
).

f : E E
um isomorsmo, B
1
uma base de E, B
2
uma base de E
.
Se A = M(f; B
1
, B
2
) entao
A
1
= M(f
1
; B
2
, B
1
).
Exemplo
Sejam f
1
: R
2
R
3
, f
2
: R
2
R
3
, g : R
3
R
3
as aplicacoes lineares denidas por
f
1
(x, y) = (2x, x y, 3y) , f
2
(x, y) = (x + 2y, y, 0) , g(x, y, z) = (x + y, y z, x z),
B
1
= ((1, 0), (0, 1)) a base canonica de R
2
e B
2
= ((1, 0, 0), (0, 1, 0), (0, 0, 1)) a base
canonica de R
3
.
f
1
(1, 0) = (2, 1, 0), f
1
(0, 1) = (0, 1, 3) A
1
= M(f
1
; B
1
, B
2
) =
_
_
2 0
1 1
0 3
_
_
,
f
2
(1, 0) = (1, 0, 0), f
2
(0, 1) = (2, 1, 0) A
2
= M(f
2
; B
1
, B
2
) =
_
_
1 2
0 1
0 0
_
_
,
g(1, 0, 0) = (1, 0, 1), g(0, 1, 0) = (1, 1, 0), g(0, 0, 1) = (0, 1, 1)
B = M(g; B
2
, B
2
) =
_
_
1 1 0
0 1 1
1 0 1
_
_
. Entao:
M(f
1
+ f
2
; B
1
, B
2
) = A
1
+ A
2
=
_
_
3 2
1 2
0 3
_
_
,
e
63
(A
1
+ A
2
)
_
x
y
_
=
_
_
3x + 2y
x 2y
3y
_
_
(f
1
+ f
2
)(x, y) = (3x + 2y, x 2y, 3y)
12
.
M(5f
1
; B
1
, B
2
) = 5A
1
=
_
_
10 0
5 5
0 15
_
_
,
e
(5A
1
)
_
x
y
_
=
_
_
10x
5x 5y
15y
_
_
(5f
1
)(x, y) = (10x, 5x 5y, 15y).
M(g f
1
; B
1
, B
2
) = BA
1
=
_
_
3 1
1 4
2 3
_
_
,
e
(BA
1
)
_
x
y
_
=
_
_
3x y
x 4y
2x 3y
_
_
(g f
1
)(x, y) = (3x y, x 4y, 2x 3y).
Vamos agora obter estes mesmos resultados usando as expressoes gerais das funcoes
dadas:
(f
1
+f
2
)(x, y) = f
1
(x, y)+f
2
(x, y) = (2x, xy, 3y)+(x+2y, y, 0) = (3x+2y, x2y, 3y),
(5f
1
)(x, y) = 5f
1
(x, y) = 5(2x, x y, 3y) = (10x, 5x 5y, 15y),
(gf
1
)(x, y) = g(f
1
(x, y)) = g(2x, xy, 3y) = (2x+xy, xy3y, 2x3y) = (3xy, x4y, 2x3y).
Finalmente, vericamos se g e um automorsmo de R
3
. Tendo em conta que c
g
= c(B)
e c(B) = 3 (conrmar), g e um epimorsmo, logo, um isomorsmo.
12
Uma vez que a base xada no espaco de chegada e a canonica
64
M(g
1
; B
2
, B
2
) = B
1
=
_
_
1
2

1
2
1
2
1
2
1
2

1
2
1
2

1
2

1
2
_
_
, e
B
1
_
_
x
y
z
_
_
=
_
_
1
2
x
1
2
y +
1
2
z
1
2
x +
1
2
y
1
2
z
1
2
x
1
2
y
1
2
z
_
_
g
1
(x, y, z) = (
1
2
x
1
2
y+
1
2
z,
1
2
x+
1
2
y
1
2
z,
1
2
x
1
2
y
1
2
z),
ou, com escrita mais simplicada,
M(g
1
; B
2
, B
2
) = B
1
=
1
2
_
_
1 1 1
1 1 1
1 1 1
_
_
, e
B
1
_
_
x
y
z
_
_
=
1
2
_
_
x y + z
x + y z
x y z
_
_
g
1
(x, y, z) =
1
2
(x y + z, x + y z, x y z).
Invertemos g a partir da sua expressao geral:
g(x, y, z) = (u, v, w) (x + y, y z, x z) = (u, v, w)
_
_
x + y = u
y z = v
x z = w
_
_
1 1 0 u
0 1 1 v
1 0 1 w
_
_

L
3
=L
3
L
1
_
_
1 1 0 u
0 1 1 v
0 1 1 w u
_
_

L
3
=L
3
+L
2
_
_
1 1 0 u
0 1 1 v
0 0 2 w u + v
_
_

L
3
=
1
2
L
3
_
_
1 1 0 u
0 1 1 v
0 0 1
1
2
(u v w)
_
_

L
2
=L
2
+L
3
_
_
1 1 0 u
0 1 0
1
2
(u + v w)
0 0 1
1
2
(u v w)
_
_

L
1
=L
1
L
2
_
_
1 0 0
1
2
(u v + w)
0 1 0
1
2
(u + v w)
0 0 1
1
2
(u v w)
_
_
, donde,
_
_
x =
1
2
(u v + w)
y =
1
2
(u + v w)
z =
1
2
(u v w)
.
Assim,
g
1
(u, v, w) = (
1
2
(u v + w),
1
2
(u + v w),
1
2
(u v w))
g
1
(x, y, z) =
1
2
(x y + z, x + y z, x y z).
65
4.3.1 Relacao entre as diferentes Matrizes de uma Aplicacao
Linear
Sejam f : E E
uma aplicacao linear, B

1
, B
2
bases de E, B
1
, B
2
bases de E
,
A = M(f; B
1
, B
1
) e B = M(f; B
2
, B
2
). Vamos estabelecer a relacao entre as matrizes
A e B. Facamos um diagrama para melhor a entender.
E
A
f
E
(B
1
) (B
1
)
Q 1
E
1
E
P
E
f
B
E
(B
2
) (B
2
)
Como,
f = 1
E
f 1
E
,
M(f; B
2
, B
2
) = M(1
E
; B
1
, B
2
)M(f; B
1
, B
1
)M(1
E
; B
2
, B
1
),
ou seja,
B = PAQ.
Observe-se que, como
e E 1
E
(
e ) =

e ,
M(1
E
; B
2
, B
1
) = M(B
2
, B
1
).
Analogamente,
M(1
E
; B
1
, B
2
) = M(B
1
, B
2
).
Mais geralmente, em qualquer espaco vectorial de dimensao nita V, a matriz da
aplicacao linear 1
V
em relacao a duas bases B e B
, M(1
V
; B, B
), e exactamente a matriz
de mudanca da base B para a base B
, M(B, B
).
Assim, as matrizes P e Q referidas atras sao matrizes de mudanca de base, logo,
invertveis.
Denicao 47 Sejam A e B matrizes do tipo mn com entradas num corpo F. Diz-
se que A e B sao equivalentes se existem matrizes regulares P F
mm
, Q F
nn
,
tais que B = PAQ.
Matrizes de uma mesma aplicacao linear sao, por isso, equivalentes.
66
Exemplo
Vimos num exemplo anterior que, dadas a aplicacao linear f : R
2
R
3
denida
por f(x, y) = (2x, x y, 3y), B
1
= ((1, 0), (0, 1)), B
2
= ((1, 1), (1, 2)) bases de R
2
e
B
1
= ((1, 0, 0), (0, 1, 0), (0, 0, 1)), B
2
= ((1, 1, 1), (1, 1, 0), (1, 0, 0)) bases de R
3
,
A = M(f; B
1
, B
1
) =
_
_
2 0
1 1
0 3
_
_
, B = M(f; B
2
, B
2
) =
_
_
3 6
3 9
2 1
_
_
.
Vamos obter B, a partir de A e de matrizes de mudanca de base convenientes. Tem-se,
R
2
A
f
R
3
(B
1
) (B
1
)
Q 1
R
2 1
R
3 P
R
2
f
B
R
3
(B
2
) (B
2
)
Q = M(B
2
, B
1
) =
_
1 1
1 2
_
,
P = M(B
1
, B
2
)
e,
(1, 0, 0) = 0(1, 1, 1) + 0(1, 1, 0) + 1(1, 0, 0)
(0, 1, 0) = 0(1, 1, 1) + 1(1, 1, 0) + (1)(1, 0, 0)
(0, 0, 1) = 1(1, 1, 1) + (1)(1, 1, 0) + 0(1, 0, 0)
,
donde,
P =
_
_
0 0 1
0 1 1
1 1 0
_
_
.
B = PAQ =
_
_
0 0 1
0 1 1
1 1 0
_
_
_
_
2 0
1 1
0 3
_
_
_
1 1
1 2
_
=
_
_
0 3
1 4
1 1
_
_
_
1 1
1 2
_
=
_
_
3 6
3 9
2 1
_
_
.
Caso Particular
Sejam f : E E um endomorsmo de E, B
1
, B
2
duas bases de E, A = M(f; B
1
, B
1
)
e B = M(f; B
2
, B
2
). Entao B = P
1
AP porque, se P = M(B
2
, B
1
), P
1
= M(B
1
, B
2
)
(cf. com o Captulo 3).
Denicao 48 Sejam A e B matrizes do tipo n n com entradas num corpo F.
Diz-se que A e B sao semelhantes se existe uma matriz invertvel P F
nn
tal que
B = P
1
AP.
67
Do que foi dito antes e da denicao resulta que, se A e a matriz de um endomorsmo
em relacao a uma base B e B e a matriz do mesmo endomorsmo em relacao a uma base
B
, entao A e B sao semelhantes.

Exemplo
Seja g o endomorsmo de R
3
cuja matriz A, em relacao à base canonica de R
3
, que
designaremos por B, e:
A =
_
_
1 0 1
0 1 1
1 0 1
_
_
.
Determinamos a matriz de B, de g, em relacao à base B
= ((1, 0, 1), (0, 1, 1), (0, 0, 1)),

usando matrizes de mudanca de base.
B = P
1
AP onde, P = M(B
, B) =
_
_
1 0 0
0 1 0
1 1 1
_
_
e P
1
= M(B, B
) =
_
_
1 0 0
0 1 0
1 1 1
_
_
.
Logo,
B =
_
_
1 0 0
0 1 0
1 1 1
_
_
_
_
1 0 1
0 1 1
1 0 1
_
_
_
_
1 0 0
0 1 0
1 1 1
_
_
=
=
_
_
1 0 1
0 1 1
2 1 1
_
_
_
_
1 0 0
0 1 0
1 1 1
_
_
=
_
_
0 1 1
1 2 1
1 0 1
_
_
.
Vamos conrmar o resultado, calculando a expressao geral de g e depois as imagens
dos vectores da base B
.
g(x, y, z) =
_
(1, 0, 0) (0, 1, 0) (0, 0, 1)
_
_
_
1 0 1
0 1 1
1 0 1
_
_
_
_
x
y
z
_
_
=
=
_
(1, 0, 0) (0, 1, 0) (0, 0, 1)
_
_
_
x z
y + z
x + z
_
_
= (x z, y + z, x + z).
g(1, 0, 1) = (0, 1, 0) = 0(1, 0, 1) + 1(0, 1, 1) + (1)(0, 0, 1),
g(0, 1, 1) = (1, 2, 1) = (1)(1, 0, 1) + 2(0, 1, 1) + 0(0, 0, 1),
g(0, 0, 1) = (1, 1, 1) = (1)(1, 0, 1) + 1(0, 1, 1) + 1(0, 0, 1), logo,
B = M(g; B
, B
) =
_
_
0 1 1
1 2 1
1 0 1
_
_
.
Terminamos este Captulo com uma
68
Observacao
Se E e E
sao espacos vectoriais sobre o corpo F, o conjunto de todas as aplicacoes

lineares de E para E
, que se denota por L(E, E
), e um espaco vectorial sobre F, para

as operacoes de adicao e de multiplicacao por um escalar denidas na seccao 2 deste
Captulo.
Se E e E
tem dimensao nita, digamos dim(E) = n e dim(E
) = m, e xando uma
base B em E e uma base B
em E
, existe um isomorsmo natural entre L(E, E
) e F
mn
:
a funcao (linear) que a cada aplicacao linear de E em E
faz corresponder a sua matriz

em relacao às bases B e B
.
69
Captulo 5
VECTORES e VALORES
PR
OPRIOS
5.1 Denicao e Exemplos
Denicao 49 Sejam E um espaco vectorial sobre o corpo F e f : E E um endo-
morsmo de E. Um vector

v E diz-se um vector proprio de f, associado ao valor
proprio F, quando:
i)

v =

0
ii) f(
v ) =
v .
Denicao 50 Sejam E um espaco vectorial sobre o corpo F e f : E E um endo-
morsmo de E. Ao conjunto de todos os valores proprios de f da-se o nome de espectro
de f.
Exemplos
1 Seja f o endomorsmo de R
2
denido por
f(x, y) = (x, y).
Determinamos os vectores proprios de f e os valores proprios associados.
f(x, y) = (x, y) (x, y) = (x, y)
_
x = x
y = y
_
x( + 1) = 0
y( 1) = 0
Se x = y = 0, (x, y) = (0, 0) nao e vector proprio de f.
Se x = 0, y = 0, = 1, pelo que (0, y) e vector proprio de f associado ao valor proprio
1, para qualquer y R \ {0}.
71
Se x = 0, y = 0, = 1, pelo que (x, 0) e vector proprio de f associado ao valor
proprio (1), para qualquer x R \ {0}.
Se x = 0, y = 0 entao = 1 e = 1, o que e impossvel.
O espectro de f e {1, 1}.
2 Seja g o endomorsmo de R
2
denido por
g(a, b) = (b, a).
Determinamos os vectores proprios de g e os valores proprios associados.
g(a, b) = (a, b) (b, a) = (a, b)
_
b = a
a = b
_
b = a
a =
2
a
_
b = a
a(
2
1) = 0
Se a = 0 entao b = 0 e (a, b) = (0, 0) nao e vector proprio de g.
Se a = 0 entao
2
= 1 = 1 ou = 1.
Quando = 1, b = a pelo que, (a, a) e vector proprio de g associado ao valor
proprio (1), para qualquer a R \ {0}.
Quando = 1, b = a pelo que, (a, a) e vector proprio de g associado ao valor proprio
1, para qualquer a R \ {0}.
O espectro de g e {1, 1}.
Observacao
Um endomorsmo de R
2
pode ser interpretado geometricamente como uma trans-
formacao do plano. As direccoes dos vectores proprios respectivos sao as direccoes
principais da transformacao.
Relativamente aos dois exemplos anteriores, f e a simetria em relacao à recta x = 0
(o eixo dos yy) e as suas direccoes principais sao os eixos coordenados e g e a simetria
em relacao à recta y = x, sendo as rectas y = x e y = x as suas direccoes principais.
De seguida, enunciamos um resultado muito util, que permite determinar facilmente
os vectores e os valores proprios de um endomorsmo de um espaco vectorial de dimensao
nita.
Proposicao 5.1.1 Sejam E um espaco vectorial sobre F de dimensao nita n, B
uma sua base, f um endomorsmo de E e A = M(f; B, B). Entao:
1) e valor proprio de f se e so se det(A I
n
) = 0.
2) Se
0
e um valor proprio de f, os vectores proprios de f associados a
0
sao os
vectores cujas coordenadas, em rela cao à base B, sao as solucoes nao nulas do sistema
homogeneo (indeterminado) (A
0
I
n
)X = 0.
72
Demonstracao
1) e valor proprio de f
x
0
E \ {
0 } tal que f(
x
0
) =
x
0

1
X
0
F
n1
\ {0} tal que AX
0
= X
0

X
0
F
n1
\ {0} tal que AX
0
X
0
= 0
X
0
F
n1
\ {0} tal que (A I
n
)X
0
= 0
o sistema homogeneo (AI
n
)X = 0 e indeterminado (tem solucao nao nula)
det(A I
n
) = 0.
2) Se
0
e valor proprio de f e X
0
e uma solucao nao nula do sistema (A
0
I
n
)X = 0
entao (A
0
I
n
)X
0
= 0, ou seja, AX
0
=
0
X
0
.
Seja

x
0
E o vector cuja coluna de coordenadas em relacao à base B e X
0
. Como
X
0
= 0,

x
0
=

0 e AX
0
=
0
X
0
f(
x
0
) =
x
0
, donde,

x
0
e um vector proprio de f
associado a
0
.
Denicao 51 Nas condicoes da Proposicao 5.1.1, o polinomio p() = det(A I
n
)
chama-se polinomio caracterstico de A e a equacao det(AI
n
) = 0 e a equacao
caracterstica de A. As solucoes da equacao caracterstica que pertencam ao corpo F
(ou seja, as razes do polinomio caracterstico em F) sao os valores proprios de f e da
matriz A. Os vectores coluna correspondentes às coordenadas, em relacao à base B, dos
vectores proprios de f sao os vectores proprios de A.
Observacao
Atendendo a que o polinomio caracterstico de A, p() = det(AI
n
), e um polinomio
de grau n e que um polinomio de grau n tem, no maximo, n razes, conclui-se que f tem,
no maximo, n valores proprios.
Proposicao 5.1.2 Sejam E um espaco vectorial de dimensao nita n, B e B
duas
bases de E, f um endomorsmo de E, A = M(f; B, B) e A
= M(f; B
, B
). Entao o
polinomio caracterstico de A coincide com o de A
e designa-se por polinomio carac-

terstico de f.
Demonstracao
Tendo em conta a relacao entre duas matrizes de um endomorsmo (cf. com o
Captulo 4), A
= P
1
AP para certa matriz regular P (matriz de mudanca de base).
Tem-se:
det(A
I
n
) = det(P
1
AP I
n
) = det(P
1
AP P
1
I
n
P) =
1
X
0
e a coluna de coordenadas de

x
0
na base B
73
= det(P
1
AP P
1
(I
n
)P) = det(P
1
(A I
n
)P) = det(P
1
)det(A I
n
)det(P) =
= det(A I
n
)det(P
1
)det(P) = det(A I
n
)
1
det(P)
det(P) = det(A I
n
).
Observacao
Resulta desta proposicao que, matrizes semelhantes tem os mesmos valores proprios.
Denicao 52 Seja p() o polinomio caracterstico de um endomorsmo f de um
espaco vectorial de dimensao nita. Seja
0
F uma raz de p() (isto e, um valor
proprio de f). A multiplicidade algebrica de
0
, que se denota por m
a
(
0
), e a
multiplicidade de
0
enquanto raz de p().
Mais precisamente, se p() = (
0
)
k
q(), onde q() e um polinomio que nao
admite a raz
0
, m
a
(
0
) = k.
Exemplos
1 Seja f o endomorsmo de R
3
denido por
f(x, y, z) = (3x + y z, 7x + 5y z, 6x + 6y 2z).
Determinamos os valores proprios de f e os vectores proprios associados.
Primeiramente, escrevemos a matriz A, de f, em relacao à base canonica de R
3
.
f(1, 0, 0) = (3, 7, 6), f(0, 1, 0) = (1, 5, 6), f(0, 0, 1) = (1, 1, 2), logo,
A =
_
_
3 1 1
7 5 1
6 6 2
_
_
.
A I
3
=
_
_
3 1 1
7 5 1
6 6 2
_
_

p() = |A I
3
| =
3 1 1
7 5 1
6 6 2
=
= (3 )(5 )(2 ) + 42 + 6 (6(5 ) 6(3 ) 7(2 )) =
= (3 + )(5 )(2 + ) + 48 (30 6 + 18 + 6 + 14 + 7) =
= (3 + )(5 )(2 + ) + 48 (48 + 7(2 + )) = (3 + )(5 )(2 + ) 7(2 + ) =
74
= (2+)((3+)(5)7) = (2+)(
2
+2+8) = (2+)(2+)(4) = (2+)
2
(4).
Os valores proprios de f sao 2 e 4, sendo m
a
(2) = 2 e m
a
(4) = 1.
Vectores proprios associados a = 2 (resolvemos o sistema (A (2)I
3
)X = 0):
A (2)I
3
=
_
_
1 1 1
7 7 1
6 6 0
_
_
L
2
=L
2
7L
1
3
=L
3
6L
1
_
_
1 1 1
0 0 6
0 0 6
_
_

L
3
=L
3
L
2
3
=L
3
L
2
_
_
1 1 1
0 0 6
0 0 0
_
_

L
2
=
1
6
L
2
_
_
1 1 1
0 0 1
0 0 0
_
_

L
1
=L
1
+L
2
_
_
1 1 0
0 0 1
0 0 0
_
_
_
x + y = 0
z = 0
_
y = x
z = 0
,
logo, os vectores proprios associados a = 2 sao os vectores da forma (x, x, 0), com
x = 0.
Vectores proprios associados a = 4 (resolvemos o sistema (A 4I
3
)X = 0):
A 4I
3
=
_
_
7 1 1
7 1 1
6 6 6
_
_
L
3
=
1
6
L
3
2
=L
2
L
1
_
_
7 1 1
0 0 0
1 1 1
_
_

L
3
L
1
L
3
L
1
_
_
1 1 1
0 0 0
7 1 1
_
_

L
3
=L
3
7L
1
_
_
1 1 1
0 0 0
0 6 6
_
_

L
3
=
1
6
L
3
3
=
1
6
L
3
_
_
1 1 1
0 0 0
0 1 1
_
_

L
3
L
2
_
_
1 1 1
0 1 1
0 0 0
_
_

L
1
=L
1
+L
2
_
_
1 0 0
0 1 1
0 0 0
_
_
_
x = 0
y + z = 0
_
x = 0
z = y
,
logo, os vectores proprios associados a = 4 sao os vectores da forma (0, y, y), com
y = 0.
2 Seja g o endomorsmo de R
3
cuja matriz, em relacao à base
B = ((1, 1, 1), (1, 1, 0), (1, 0, 0)), e
A =
_
_
1 1 0
1 2 1
0 1 1
_
_
.
75
Calculamos os valores proprios de g e os vectores proprios associados.
A I
3
=
_
_
1 1 0
1 2 1
0 1 1
_
_

p() = |A I
3
| =
1 1 0
1 2 1
0 1 1
=
= (1 )(2 )(1 ) ((1 ) + (1 )) = (1 )
2
(2 ) 2(1 ) =
= (1 )[(2 )(1 ) 2)] = (1 )(
2
3 + 2 2) = (1 )( 3).
Os valores proprios de g sao 0, 1 e 3, sendo m
a
(0) = m
a
(1) = m
a
(3) = 1.
Para = 0:
A 0I
3
= A =
_
_
1 1 0
1 2 1
0 1 1
_
_

L
2
=L
2
+L
1
_
_
1 1 0
0 1 1
0 1 1
_
_

L
3
=L
3
L
2
_
_
1 1 0
0 1 1
0 0 0
_
_
_
x y = 0
y + z = 0
_
x = y
z = y
,
logo, os vectores proprios associados a = 0 sao os vectores da forma
y(1, 1, 1) + y(1, 1, 0) + (y)(1, 0, 0) = (y, 2y, y), com y = 0.
Para = 1:
A 1I
3
=
_
_
0 1 0
1 1 1
0 1 0
_
_

L
1
L
2
_
_
1 1 1
0 1 0
0 1 0
_
_

L
3
=L
3
+L
2
_
_
1 1 1
0 1 0
0 0 0
_
_
_
x + y + z = 0
y = 0
_
z = x
y = 0
,
x(1, 1, 1) + 0(1, 1, 0) + x(1, 0, 0) = (2x, x, x), com x = 0.
Para = 3:
A 3I
3
=
_
_
2 1 0
1 1 1
0 1 2
_
_

L
1
L
2
_
_
1 1 1
2 1 0
0 1 2
_
_

L
2
=L
2
2L
1
2
=L
2
2L
1
_
_
1 1 1
0 1 2
0 1 2
_
_

L
3
=L
3
L
2
_
_
1 1 1
0 1 2
0 0 0
_
_
76
_
x y + z = 0
y 2z = 0
_
x = z
y = 2z
,
(z)(1, 1, 1) + 2z(1, 1, 0) + z(1, 0, 0) = (2z, z, z), com z = 0.
3 Seja h o endomorsmo de R
22
cuja matriz, em relacao à base canonica
B
c
= (
_
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
0 0
0 1
_
), e
A =
_
_
1 2 0 1
0 1 1 0
0 0 1 2
0 0 0 2
_
_
.
Calculamos os valores proprios de h e os vectores proprios associados.
A I
4
=
_
_
1 2 0 1
0 1 1 0
0 0 1 2
0 0 0 2
_
p() = |A I
4
| =
1 2 0 1
0 1 1 0
0 0 1 2
0 0 0 2
=
= (1 )(1 )(1 )(2 ).
Os valores proprios de h sao 1, 1 e 2, sendo m
a
(1) = m
a
(2) = 1 e m
a
(1) = 2.
Para = 1:
A(1)I
4
=
_
_
2 2 0 1
0 0 1 0
0 0 2 2
0 0 0 3
_
3
=L
3
2L
2
_
_
2 2 0 1
0 0 1 0
0 0 0 2
0 0 0 3
_
4
=L
4
+
3
2
L
3
_
_
2 2 0 1
0 0 1 0
0 0 0 2
0 0 0 0
_
_
_
_
2x + 2y w = 0
z = 0
2w = 0
_
y = x
z = 0
w = 0
,
x
_
1 0
0 0
_
+ (x)
_
0 1
0 0
_
=
_
x x
0 0
_
, com x = 0.
77
Para = 1:
A 1I
4
=
_
_
0 2 0 1
0 2 1 0
0 0 0 2
0 0 0 1
_
_
L
3
=
1
2
L
3
2
=L
2
+L
1
_
_
0 2 0 1
0 0 1 1
0 0 0 1
0 0 0 1
_
4
=L
4
L
3
_
_
0 2 0 1
0 0 1 1
0 0 0 1
0 0 0 0
_
_
_
_
2y w = 0
z w = 0
w = 0
_
y = 0
z = 0
w = 0
,
x
_
1 0
0 0
_
=
_
x 0
0 0
_
, com x = 0.
Para = 2:
A 2I
4
=
_
_
1 2 0 1
0 3 1 0
0 0 1 2
0 0 0 0
_
_
_
_
x + 2y w = 0
3y + z = 0
z 2w = 0
_
x = 2y w
y =
1
3
z
z = 2w
_
x =
7
3
w
y =
2
3
w
z = 2w
,
(
7
3
w)
_
1 0
0 0
_
+ (
2
3
w)
_
0 1
0 0
_
+ (2w)
_
0 0
1 0
_
+w
_
0 0
0 1
_
=
_

7
3
w
2
3
w
2w w
_
,
com w = 0.
5.2 Subespacos Proprios
Proposicao 5.2.1 Sejam E um espaco vectorial sobre o corpo F, f : E E um
endomorsmo de E e F. Entao o conjunto
E
= {
x E : f(
x ) =
x }
e um subespaco vectorial de E.
78
Demonstracao
(i) f(
0 ) =

0 =
0

0 E
(ii) Sejam , F e

x ,
y E
. Provamos que
x +
y E
f(
x +
y ) = f(
x ) + f(
y ) =
2
(
x ) + (
y ) = (
x +
y )

x +
y E
.
Observacao
E
= {
0 } se e so se e um valor proprio de f.
Denicao 53 Nas condicoes da Proposicao 5.2.1, se
0
e um valor proprio de f o
subespaco E
0
, formado pelo vector nulo e por todos os vectores proprios associados a
0
, chama-se subespaco proprio associado ao valor proprio
0
.
Se E tem dimensao nita, a dimensao de E
0
designa-se por multiplicidade geome-
trica do valor proprio
0
e denota-se por m
g
(
0
).
Proposicao 5.2.2 Sejam E um espaco vectorial de dimensao nita sobre o corpo F,
f : E E um endomorsmo de E e
0
F um valor proprio de f. Entao
1 m
g
(
0
) m
a
(
0
).
Demonstracao
Seja
0
F um valor proprio de f, n = dim(E), k = dim(E
0
) = m
g
(
0
) e
B
0
= (
u
1
, . . . ,
u
k
) uma base de E
0
.
Seja B = (
u
1
, . . . ,
u
k
,
e
k+1
, . . . ,
e
n
) uma base de E que contem a base B
0
de E
0
.
Entao,
A = M(f; B, B) =
_
0
0 . . . 0
0
0
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . .
0
A
1,2
0 0 . . . 0
0 0 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 0
A
2,2
_
_
,
2
por hipotese, f(
x ) =
x , f(
y ) =
y
79
para certas matrizes A
1,2
F
k(nk)
, A
2,2
F
(nk)(nk)
e
p() = |AI
n
| =

0
0 . . . 0
0
0
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . .
0
|A
2,2
I
nk
| = (
0
)
k
|A
2,2
I
nk
|
m
a
(
0
) k = m
g
(
0
).
Observacao
Resulta da proposicao anterior que, se m
a
(
0
) = 1 (isto e, se
0
e uma raz simples
do polinomio caracterstico) entao m
g
(
0
) = 1.
5.3 Endomorsmos Diagonalizaveis
Proposicao 5.3.1 Sejam E um espaco vectorial sobre F, f : E E um endo-
morsmo de E e
1
,
2
, . . . ,
k
F valores proprios de f, distintos dois a dois. Se
u
1
,
u
2
, . . . ,
u
k
sao vectores proprios de f associados a
1
,
2
, . . . ,
k
, respectivamente,
entao

u
1
,
u
2
, . . . ,
u
k
Demonstracao
A prova e feita por inducao em k.
Se k = 1,

u
1
e linearmente independente uma vez que e nao nulo (um vector proprio
e, por denicao, diferente de

0 ).
Suponhamos, por hipotese de inducao, que k 1 vectores proprios associados a k 1
valores proprios distintos sao linearmente independentes.
Sejam

u
1
,
u
2
, . . . ,
u
k
vectores proprios de f associados aos valores proprios
1
,
2
, . . . ,
k
, respectivamente, onde
i
=
j
para quaisquer i, j {1, 2, . . . , k}, i = j.
Suponhamos que
u
1
+
2
u
2
+ +
k
u
k
=

0 (5.1)
Entao,
f(
1
u
1
+
2

u
2
+ +
k
u
k
) = f(
0 )

1
f(
u
1
) +
2
f(
u
2
) + +
k
f(
u
k
) =

0
3
3
f(
u
i
) =
i
u
i
80

1
(
1
u
1
) +
2
(
2
u
2
) + +
k
(
k
u
k
) =

0 (5.2)
Multiplicando ambos os membros de (5.1) por
1
obtemos,
u
1
+
2
u
2
+ +
k
u
k
=

0 (5.3)
Subtraindo, membro a membro, (5.2) e (5.3), resulta que
2
(
2
1
)
u
2
+ +
k
(
k

1
)
u
k
=

0
4

2
(
2
1
) = . . . =
k
(
k

1
) = 0
Como i {2, . . . , n},
i
=
1
,
2
= . . . =
k
= 0.
Substituindo, em (5.1),
2
, . . . ,
k
por 0 vem
u
1
=

0
5
1
= 0.
Denicao 54 Sejam E um espaco vectorial de dimensao nita e f um endomorsmo
de E. Diz-se que f e diagonalizavel se existe uma base de E em relacao à qual a matriz
de f e diagonal.
Proposicao 5.3.2 Sejam E um espaco vectorial de dimensao nita n e f um endo-
morsmo de E. Entao sao equivalentes:
(i) f e diagonalizavel
(ii) existe uma base de E formado por vectores proprios de f
(iii) a soma das multiplicidades geometricas dos valores proprios de f e igual a n.
A prova deste resultado e muito simples e ca ao cuidado do leitor.
Exemplos
Averiguamos se os endomorsmos seguintes sao diagonalizaveis e, em caso armativo,
escrevemos a matriz diagonal que os representa, relativamente a uma certa base do espaco
(formada por vectores proprios desses mesmos endomorsmos).
1 f : R
2
R
2
tal que f(x, y) = (x + y, 3x y)
4
por hipotese de inducao,

u
2
, . . . ,
u
k
s ao linearmente independentes, pois sao k1 vectores proprios
associados a k 1 valores proprios distintos
5
u
1
=

0
81
f(1, 0) = (1, 3) e f(0, 1) = (1, 1),
logo,
A = M(f; B
c
, B
c
) =
_
1 1
3 1
_
A I
2
=
_
1 1
3 1
_
|AI
2
| =
1 1
3 1
= (1)(1)3 =
2
13 =
2
4 = (+2)(2)
f tem dois valores proprios: = 2 e = 2. Tem-se:
m
a
(2) = m
a
(2) = 1 m
g
(2) = m
g
(2) = 1 m
g
(2) + m
g
(2) = 2 = dim(R
2
),
donde, f e diagonalizavel.
Determinamos uma base para cada subespaco proprio de f:
Para = 2:
A 2I
2
=
_
1 1
3 3
_

L
2
=L
2
+3L
1
_
1 1
0 0
_
x + y = 0 y = x,
logo,
E
2
= {(x, x) : x R} = {x(1, 1) : x R} =< (1, 1) >
Para = 2:
A (2)I
2
=
_
3 1
3 1
_

L
2
=L
2
L
1
_
3 1
0 0
_
3x + y = 0 y = 3x,
donde,
E
2
= {(x, 3x) : x R} = {x(1, 3) : x R} =< (1, 3) >
Como vectores proprios de f associados a valores proprios distintos sao linearmente
independentes, os vectores (1, 1) e (1, 3) formam uma base de R
2
, B
vp
= ((1, 1), (1, 3)).
Tem-se,
f(1, 1) = 2(1, 1) = 2(1, 1) + 0(1, 3) e f(1, 3) = (2)(1, 3) = 0(1, 1) + (2)(1, 3),
logo,
D = M(f; B
vp
, B
vp
) =
_
2 0
0 2
_
.
Observe-se que, de acordo com o Captulo 4, D = P
1
AP onde,
P = M(B
vp
, B
c
) e P
1
= M(B
c
, B
vp
).
82
Vamos conrma-lo.
P = M(B
vp
, B
c
) =
_
1 1
1 3
_
, P
1
= M(B
c
, B
vp
) =
_
3
4
1
4
1
4

1
4
_
e
P
1
AP =
_
3
4
1
4
1
4

1
4
__
1 1
3 1
__
1 1
1 3
_
=
_
3
4
1
4
1
4

1
4
__
2 2
2 6
_
=
_
2 0
0 2
_
= D.
2 g : R
2
R
2
tal que g(x, y) = (x, 2x + y)
g(1, 0) = (1, 2) e g(0, 1) = (0, 1),
logo,
A = M(g; B
c
, B
c
) =
_
1 0
2 1
_
A I
2
=
_
1 0
2 1
_
|A I
2
| =
1 0
2 1
= (1 )(1 ) = (1 )
2
,
pelo que, g tem um unico valor proprio: = 1, com multiplicidade algebrica igual a 2.
Entao, m
g
(1) = 1 ou m
g
(1) = 2. Se for m
g
(1) = 2, g e diagonalizavel, se for m
g
(1) = 1
nao o e.
A 1I
2
=
_
0 0
2 0
_

L
2
L
1
_
2 0
0 0
_
2x = 0 x = 0,
pelo que,
E
1
= {(0, y) : y R} = {y(0, 1) : y R} =< (0, 1) > m
g
(1) = 1
e g nao e diagonalizavel.
3 h : R
3
R
3
tal que h(x, y, z) = (x 3y + 3z, 3x 5y + 3z, 6x 6y + 4z)
h(1, 0, 0) = (1, 3, 6) , h(0, 1, 0) = (3, 5, 6) e h(0, 0, 1) = (3, 3, 4),
logo,
A = M(h; B
c
, B
c
) =
_
_
1 3 3
3 5 3
6 6 4
_
_
A I
3
=
_
_
1 3 3
3 5 3
6 6 4
_
_
|A I
3
| =
1 3 3
3 5 3
6 6 4
=
83
= (1 )(5 )(4 ) 54 54 (18(5 ) 18(1 ) 9(4 )) =
= (1)(5)(4)108+90+18+1818+9(4) = (1)(5)(4)+9(4) =
= (4 )[(1 )(5 ) + 9] = (4 )(
2
+ 4 + 4) = (4 )( + 2)
2
h tem dois valores proprios: = 2 e = 4, tendo-se:
m
a
(2) = 2 e m
a
(4) = 1 m
g
(4) = 1 e (m
g
(2) = 1 ou m
g
(2) = 2);
h e diagonalizavel sse m
g
(2) = 2.
Determinamos uma base para cada subespaco proprio de h.
Para = 4:
A 4I
3
=
_
_
3 3 3
3 9 3
6 6 0
_
_
L
3
=L
3
+2L
1
2
=L
2
+L
1
_
_
3 3 3
0 12 6
0 12 6
_
_

L
3
=L
3
L
2
3
=L
3
L
2
_
_
3 3 3
0 12 6
0 0 0
_
_
L
1
=
1
3
L
1
2
=
1
6
L
2
_
_
1 1 1
0 2 1
0 0 0
_
_
_
x y + z = 0
2y + z = 0
_
x = y
z = 2y
,
donde,
E
4
= {(y, y, 2y) : y R} = {y(1, 1, 2) : y R} =< (1, 1, 2) >
Para = 2:
A (2)I
3
=
_
_
3 3 3
3 3 3
6 6 6
_
_
L
3
=L
3
2L
1
2
=L
2
L
1
_
_
3 3 3
0 0 0
0 0 0
_
_

L
1
=
1
3
L
1
_
_
1 1 1
0 0 0
0 0 0
_
_

x y + z = 0 x = y z,
donde,
E
2
= {(yz, y, z) : y, z R} = {y(1, 1, 0)+z(1, 0, 1) : y, z R} =< (1, 1, 0), (1, 0, 1) >
e h e diagonalizavel.
Como vectores proprios de h associados a valores proprios distintos sao linearmente
independentes, B
vp
= ((1, 1, 2), (1, 1, 0), (1, 0, 1)) e uma base de R
3
formada por vectores
proprios de h.
D = M(h; B
vp
, B
vp
) =
_
_
4 0 0
0 2 0
0 0 2
_
_
84
Tal como no Exemplo 1, D = P
1
AP onde,
P = M(B
vp
, B
c
) =
_
_
1 1 1
1 1 0
2 0 1
_
_
e
P
1
= M(B
c
, B
vp
) =
_
_
1
2

1
2
1
2
1
2
3
2

1
2
1 1 0
_
_
.
4 f : R
2
R
2
tal que A = M(f; B
c
, B
c
) =
_
0 1
1 0
_
A I
2
=
_
1
1
_
p() = |A I
2
| =
1
1
=
2
+ 1,
logo, f nao tem qualquer valor proprio (uma vez que o polinomio caracterstico de f nao
razes reais).
Se, no entanto,

f for o endomorsmo do espaco vectorial complexo C
2
, cuja matriz
em relacao à base canonica de C
2
e
A =
_
0 1
1 0
_
,
entao

f tem dois valores proprios: = i e = i que, por serem razes simples de p(),
permitem imediatamente concluir que

f e diagonalizavel.
Determinamos uma base para cada subespaco proprio de

f.
Para = i:
A iI
2
=
_
i 1
1 i
_

L
2
=L
2
+iL
1
_
i 1
0 0
_
ix + y = 0 y = ix,
pelo que,
E
i
= {(x, ix) : x C} = {x(1, i) : x C} =< (1, i) >
Para = i:
A + iI
2
=
_
i 1
1 i
_

L
2
=L
2
iL
1
_
i 1
0 0
_
ix + y = 0 y = ix,
pelo que,
E
i
= {(x, ix) : x C} = {x(1, i) : x C} =< (1, i) >
85
Os vectores (1, i) e (1, i) formam uma base de C
2
, B
vp
= ((1, i), (1, i)). Tem-se,
f(1, i) = i(1, i) = i(1, i) + 0(1, i) e

f(1, i) = i(1, i) = 0(1, i) + (i)(1, i),
logo,
D = M(
f; B
vp
, B
vp
) =
_
i 0
0 i
_
.
Observacao
1 Se f e um endomorsmo de um espaco vectorial E, de dimensao n, com n valores
proprios distintos entao f e diagonalizavel.
Com efeito, como a multiplicidade algebrica de cada valor proprio e 1, a multiplicidade
geometrica respectiva tambem e 1. Por isso, a soma das multiplicidades geometricas dos
n valores proprios de f e igual a n, ou seja, existe uma base de E formada por vectores
proprios de f.
2 Como Ce um corpo algebricamente fechado (o que signica que, todo o polinomio
de grau n 1 com coecientes complexos tem, exactamente, n razes (iguais ou distintas)
em C), todas as razes do polinomio caracterstico de um endomorsmo de um espaco
vectorial complexo sao valores proprios desse endomorsmo (o que ja nao acontece com
endomorsmos de espacos vectoriais reais ou racionais).
Denicao 55 Uma matriz A, quadrada de ordem n, diz-se diagonalizavel se for
semelhante a uma matriz diagonal, isto e, se existem matrizes P e D, quadradas de
ordem n, com P invertvel e D diagonal, tais que D = P
1
AP.
Se P e uma matriz tal que P
1
AP e diagonal, diz-se que P e uma diagonalizadora
de A.
Observacao
Do que foi visto anteriormente para endomorsmos conclui-se que, se A e uma matriz
quadrada de ordem n, A e diagonalizavel se e so se tem n vectores proprios linearmente
independentes. Uma matriz P, diagonalizadora de A, tem por colunas as coordenadas
dos vectores proprios de A linearmente independentes. Se P e uma matriz diagonali-
zadora de A e D = P
1
AP, os elementos diagonais de D sao os valores proprios de A
correspondentes às colunas de P.
86

AL ApontamentosTeoria PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

AL ApontamentosTeoria PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Topicos de

, e a transposta da matriz conjugada de A (ou,

= 6((4)(2) (1)(3)) = 6 5 = 30.

0 , e sempre combinacao linear de quaisquer vectores

0 }, e nitamente gerado, uma vez que {

a base can onica de R

(as n colunas de P, correspondentes `as coordenadas de cada vector da

espacos vectoriais sobre um mesmo corpo F. Uma

diz-se linear se:

sao espacos vectoriais sobre um mesmo corpo F, a aplicacao f : E E

e uma aplicacao linear entao:

sao espacos vectoriais sobre um mesmo corpo F, uma

espacos vectoriais sobre um mesmo corpo F, E

. Entao existe uma e uma so aplicacao linear f : E E

e uma aplicacao linear tal que

uma aplicacao linear. Chama-se:

y Nuc(f) e , F quaisquer. Por denicao, f(

v Im(f) e , F quaisquer. Entao,

uma aplicacao linear. Entao

x ). Como B e uma base do espaco,

e uma aplicacao linear,

uma aplicacao linear. Entao,

e linear e E tem dimensao nita entao:

espacos vectoriais com a mesma dimensao (nita)

uma aplicacao linear. Entao, f e um monomorsmo se e so se e um

). Pelo Teorema da Dimensao (Proposicao 4.1.3),

uma aplicacao linear. Entao f transforma

espacos vectoriais sobre um mesmo corpo F, F,

aplicacoes lineares. Entao as aplicacoes,

denida por (f + g)(

denida por (f)(

espacos vectoriais sobre um mesmo corpo F,

aplicacoes lineares. Entao (f g) : E E

x E e uma aplicacao linear.

espacos vectoriais sobre um mesmo corpo F e

espacos vectoriais sobre um mesmo corpo F, de di-

uma aplicacao linear.

espacos vectoriais sobre um mesmo corpo F,

uma aplicacao linear e A = M(f; B

espacos vectoriais sobre um mesmo corpo F, F,

espacos vectoriais sobre um mesmo corpo F,

espacos vectoriais sobre um mesmo corpo F,

uma aplicacao linear, B

, entao A e B sao semelhantes.

= ((1, 0, 1), (0, 1, 1), (0, 0, 1)),

sao espacos vectoriais sobre o corpo F, o conjunto de todas as aplicacoes

, que se denota por L(E, E

), e um espaco vectorial sobre F, para

tem dimensao nita, digamos dim(E) = n e dim(E

, existe um isomorsmo natural entre L(E, E

faz corresponder a sua matriz

e designa-se por polinomio carac-

f(1, i) = i(1, i) = i(1, i) + 0(1, i) e

Você também pode gostar